MétaCan
Menu
Retour à la cohorte
Enregistrement W2110204616 · doi:10.1080/13658816.2014.933481

A georeferenced agent-based model to analyze the climate change impacts on ski tourism at a regional scale

2014· article· en· W2110204616 sur OpenAlex
Marc Pons, Peter A. Johnson, Martí Rosas, Èric Jover

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Geographical Information Systems · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésClimate changeSnowGeographyTourismAttractivenessScale (ratio)Vulnerability (computing)Environmental scienceEnvironmental resource managementPhysical geographyMeteorologyCartographyComputer scienceEcology

Résumé

récupéré en direct d'OpenAlex

One main argument for modeling socio-ecological systems is to advance the understanding of dynamic correlations between various human and environmental factors, including impacts and responses to environmental change. We explore the shift in skier distribution among ski resorts taking into account the behavioral adaptation of individuals due to the impact of climate change on snow conditions. This analysis is performed at a regional scale by means of a coupled gravity and georeferenced agent-based model. Four different scenarios are considered. Two scenarios assume an increase of winter mean temperature of +2°C and +4°C, respectively, taking into account only natural snow conditions. Two additional scenarios add the effect of snowmaking to enhance the natural snow depth and extend the skiing season in the +2°C and +4°C base scenarios. Results show differing vulnerability levels, allowing the classification of ski resorts into three distinct groups: (1) highly vulnerable ski resorts with a strong reduction in visitors attendance for all climate change scenarios, characterized by unfavorable geographical and attractiveness conditions, making it difficult to ensure snow availability in the future; (2) low vulnerability ski resorts, with moderate reduction in season length during a high climate change scenario but no reduction (or even an increase) in a low one, characterized by ski resorts with a medium capacity and attractiveness to ensure enough snow conditions and capture skiers from other ski resorts; and (3) resilient ski resorts, with good conditions to ensure future snow-reliable seasons and outstanding attractiveness, allowing them to offer longer ski seasons than their competitors and potentially attracting skiers from other closed or marginal resorts. Ski resorts included in this last group increase their skier attendance in all climate change scenarios. Although similar studies in the literature foretell a significant reduction of the ski market in the near future, another probable effect outlined in this study is a redefinition of this market due to a redistribution of skiers, from vulnerable ski resorts to more resilient ones.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,456
Score d'incertitude au seuil0,673

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,344
Écart entre enseignants0,295 · 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