MétaCan
Menu
Retour à la cohorte

Effects of Climate Change and UV Radiation on Fisheries for Arctic Freshwater and Anadromous Species

2006· article· en· W2174364235 sur OpenAlexaff
James D. Reist, Frederick J. Wrona, Terry D. Prowse, J. Brian Dempson, Michael Power, Günter Köck, Theresa J. Carmichael, Chantelle D. Sawatzky, Hannu Lehtonen, Ross F. Tallman

Notice bibliographique

RevueAMBIO · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésFish migrationFisheryClimate changeFisheries managementSubsistence agricultureArcticSustainabilityFishingEcologyEnvironmental resource managementEnvironmental scienceFish <Actinopterygii>BiologyAgriculture

Résumé

récupéré en direct d'OpenAlex

Fisheries for arctic freshwater and diadromous fish species contribute significantly to northern economies. Climate change, and to a lesser extent increased ultraviolet radiation, effects in freshwaters will have profound effects on fisheries from three perspectives: quantity of fish available, quality of fish available, and success of the fishers. Accordingly, substantive adaptation will very likely be required to conduct fisheries sustainably in the future as these effects take hold. A shift to flexible and rapidly responsive 'adaptive management' of commercial fisheries will be necessary; local land- and resource-use patterns for subsistence fisheries will change; and, the nature, management and place for many recreational fisheries will change. Overall, given the complexity and uncertainty associated with climate change and related effects on arctic freshwaters and their biota, a much more conservative approach to all aspects of fishery management will be required to ensure ecosystems and key fished species retain sufficient resiliency and capacity to meet future changes.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,182
Écart entre enseignants0,174 · 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

Citations50
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetFish Ecology and Management StudiesTravaux en français237 207