MétaCan
Menu
Retour à la cohorte
Enregistrement W2473963460 · doi:10.1111/gcb.13346

Bivalve aquaculture‐environment interactions in the context of climate change

2016· article· en· W2473963460 sur OpenAlex

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

RevueGlobal Change Biology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensUniversité du Québec à RimouskiFisheries and Oceans CanadaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceEcosystemClimate changePhytoplanktonOceanographyEctothermEcologyMarine ecosystemBiologyNutrient

Résumé

récupéré en direct d'OpenAlex

Coastal embayments are at risk of impacts by climate change drivers such as ocean warming, sea level rise and alteration in precipitation regimes. The response of the ecosystem to these drivers is highly dependent on their magnitude of change, but also on physical characteristics such as bay morphology and river discharge, which play key roles in water residence time and hence estuarine functioning. These considerations are especially relevant for bivalve aquaculture sites, where the cultured biomass can alter ecosystem dynamics. The combination of climate change, physical and aquaculture drivers can result in synergistic/antagonistic and nonlinear processes. A spatially explicit model was constructed to explore effects of the physical environment (bay geomorphic type, freshwater inputs), climate change drivers (sea level, temperature, precipitation) and aquaculture (bivalve species, stock) on ecosystem functioning. A factorial design led to 336 scenarios (48 hydrodynamic × 7 management). Model outcomes suggest that the physical environment controls estuarine functioning given its influence on primary productivity (bottom-up control dominated by riverine nutrients) and horizontal advection with the open ocean (dominated by bay geomorphic type). The intensity of bivalve aquaculture ultimately determines the bivalve-phytoplankton trophic interaction, which can range from a bottom-up control triggered by ammonia excretion to a top-down control via feeding. Results also suggest that temperature is the strongest climate change driver due to its influence on the metabolism of poikilothermic organisms (e.g. zooplankton and bivalves), which ultimately causes a concomitant increase of top-down pressure on phytoplankton. Given the different thermal tolerance of cultured species, temperature is also critical to sort winners from losers, benefiting Crassostrea virginica over Mytilus edulis under the specific conditions tested in this numerical exercise. In general, it is predicted that bays with large rivers and high exchange with the open ocean will be more resilient under climate change when bivalve aquaculture is present.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,256
Score d'incertitude au seuil0,831

Scores Codex et Gemma par catégorie

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

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 Opus0,048
Tête enseignante GPT0,301
Écart entre enseignants0,253 · 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