Determining adaptive capacity to climate change in the grape and wine industry
Notice bibliographique
Résumé
The agricultural sector is sensitive to climate change (CC) and associated extreme weather events, but suffers in Canada from little strategic research and policy on CC adaptation. The wine industry is often considered the 'canary in the coal mine’ for CC due to the narrow geographic and climatic range required by many grape varieties. Adapting to current and projected CC challenges requires industry stakeholders to determine the risks and benefits of CC and develop a level of adaptive capacity. The objectives of this study were to develop a metric for assessing the adaptive capacity of a grape/wine industry, and apply that tool to the Ontario case. A framework was developed and represented as a three-tiered, hierarchical structure, which included eight operational and strategic determinants (financial, institutional, technological, political, knowledge, perception, social capital, and diversity), and 28 specific indicators. A comprehensive questionnaire was created from this framework consisting of 26 statements to which participants indicated their level of agreement. 42 Ontario wine industry members completed the questionnaire via an on-line survey. Results show that the Ontario wine industry has some adaptive capacity in all the key resources assessed. Perception, diversity and knowledge are the determinants with the greatest capacity, while political and technological are the most limited. Overall, industry stakeholders do not perceive they are at a coping threshold and are interested in learning how to better adapt to the impacts of CC. Results are discussed in the context of opportunities to enhance adaptive capacity in the grape/wine community.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».