MétaCan
Menu
Retour à la cohorte
Enregistrement W2162825023 · doi:10.1890/es13-00336.1

Climate change impacts on connectivity in the ocean: Implications for conservation

2014· article· en· W2162825023 sur OpenAlexaff
Leah R. Gerber, María del Mar Mancha-Cisneros, Mary I. O’Connor, Elizabeth R. Selig

Notice bibliographique

RevueEcosphere · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiological dispersalClimate changeHabitatDisturbance (geology)EcologySpatial ecologyLandscape connectivityEnvironmental scienceMarine spatial planningEnvironmental resource managementFunctional connectivityGeographyBiologyPopulation

Résumé

récupéré en direct d'OpenAlex

Effective spatial management in the ocean requires a network of conservation areas that are connected by larval and adult dispersal. We propose a conceptual framework for including the likely impacts of a changing climate on marine connectivity, and synthesize information on the relationships between changing ocean temperature and acidification, connectivity and conservation tools. Our framework relies on concepts of functional connectivity, which depends on an organism's biological and behavioral responses to the physical environment, and structural connectivity, which describes changes in the physical and spatial structure of the environment that affect connectivity and movement. Our review confirms that ocean climate change likely reduces potential dispersal distance and therefore functional connectivity. Structural connectivity in the ocean will inevitably change with the spatial arrangement of biogenic habitats resulting from disturbance as well as enhanced growth and mortality due to climate change. Climate change will also likely reduce the spatial scale of connectivity, suggesting that we will need more closely spaced protected areas.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,036
Tête enseignante GPT0,262
Écart entre enseignants0,226 · 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'étudeObservationnel
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

Citations143
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcosphereMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207