Human intervention causing coastal problems
Notice bibliographique
Résumé
Key points The location of coastal wetlands on deltas, estuaries and lagoons make them targets for landscape alteration by dredging, shipping and air industries; land ‘reclamation’ for agriculture, aquaculture, urban development and tourism has transformed ~30% of the world’s wetlands; population growth, rising sea level, dams and soil desiccation increase wetlands flooding from higher water levels and increased storminess; shrinking Arctic sea ice, permafrost and glacier melting increase erosion, adding to greenhouse gases and change ocean–atmosphere circulations pole-to-pole; replacing salt marsh and mangroves by landfill removes natural shoreline protection, but artificial barriers create worse erosion; attempted wetland recolonization often fails because introduced species are invasive; drainage to control mosquitos and tropical diseases changes wetland productivity; pollution from nitrogen loading and oil spills cause long-lasting damage, up to >30 years. Human population growth and landscape alteration Anthropogenic impacts on coastal wetlands include landscape alteration and reclamation of tidal wetlands, accelerated climate warming and sea level rise, spread of alien plant and animal species, construction of dams, draining of tidal wetlands and discharge of pollutants – deliberately or accidentally. Coastal wetlands are particularly vulnerable to the impacts of sea level rise (Cahoon et al ., 2006). In the Stern Review of the Economics of Climate Change (Stern, 2007), the costs of future coastal flooding are projected as around US$7.5 to $11 billion per decade for Europe and North America, respectively. Syvitski et al . (2009) have shown that 17 of the world’s largest deltas (Table 5.1) are critically vulnerable to being flooding and converted to open ocean. In the past decade, 85% of these deltas experienced severe flooding, with a total area of 260 000 km 2 being temporarily submerged. The Syvitski team estimate that the area vulnerable to flooding could increase by 50% under projected values for twentieth-century sea level rise. In contrast, other models predict that increased storminess will transport more sediment into coastal wetlands and enable salt marshes to keep pace with sea level rise (Schuerch et al ., 2013).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,060 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».