MétaCan
Menu
Retour à la cohorte
Enregistrement W2077992424 · doi:10.3354/cr01117

Modeling climate change effects on winter ski tourism in Andorra

2012· article· en· W2077992424 sur OpenAlexaff
Marc Pons, Peter A. Johnson, Martí Rosas-Casals, Bàrbara Sureda Carbonell, Èric Jover

Notice bibliographique

RevueClimate Research · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésClimate changeGeographyTourismEcologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Mountain regions have been identified as especially vulnerable areas to climate change. Changes in snowfall, glacier retreat and shifts in biodiversity amount and distribution are some examples of the sensitivity of mountain ecosystems. Moreover, in many mountain economies, reliable snow cover plays a key role as an important resource for the winter tourism industry, the main income source and driving force of local development in such regions. This study presents a georeferenced agent-based model to analyze the climate change impacts on the ski industry in Andorra and the effect of snowmaking as future adaptation strategy. The present study is the first attempt to analyze the ski industry in the Pyrenees region and will contribute to a better understanding of the vulnerability of Andorran ski resorts and the suitability of snowmaking as potential adaptation strategy to climate change. This study projects a reduction on the ski season length and the drop of the number of skiers especially in the lowest elevation ski resort of this region. Moreover, this work indicates that snowmaking cannot completely solve the problem of ensuring snow cover at low elevation ski resorts and should be considered as a suitable short-term strategy, but not as a sustainable long-term adaptation strategy. The resulting model can be used as a planning support tool to help local stakeholders understand the vulnerability and potential impacts of climate change and in the decision-making process of designing and developing appropriate sustainable adaptation strategies to future climate variability

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil0,830

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,157
Tête enseignante GPT0,357
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimate ResearchMême sujetCryospheric studies and observationsTravaux en français237 207