MétaCan
Menu
Retour à la cohorte
Enregistrement W2515901978 · doi:10.1016/j.wace.2016.08.002

Will commercial fishing be a safe occupation in future? A framework to quantify future fishing risks due to climate change scenarios

2016· article· en· W2515901978 sur OpenAlexafffundabout
Sara Rezaee, Christian Seiler, Ronald Pelot, Alireza Ghasemi

Notice bibliographique

RevueWeather and Climate Extremes · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPacific Institute for Climate SolutionsUniversity of VictoriaDalhousie University
Organismes subventionnairesDalhousie UniversityMarine Environmental Observation Prediction and Response NetworkFisheries and Oceans CanadaCanon Foundation for Scientific ResearchNational Aeronautics and Space Administration
Mots-clésFishingClimate changeCommercial fishingNatural resource economicsEnvironmental scienceBusinessEnvironmental resource managementFisheryEconomicsOceanography

Résumé

récupéré en direct d'OpenAlex

Weather factors are an intrinsic part of the fishing environment. Changes in weather patterns due to climate change may affect the fishing environment and fishing safety. This article proposes a general framework to quantify fishing incident risks in the future due to changes in weather conditions. This framework first builds relationships between fishing safety and weather conditions based on historical data and then predicts future risks according to these relationships with respect to potential changes in weather patterns. This paper applies the suggested framework using fishing incident data, fishing activity levels, and extreme weather conditions in Atlantic Canada to estimate the spatial distribution of fishing incident rates in the future. To do so, a classification tree is applied to historical storm tracks based on several climate models and then generated rules are applied to future storm tracks projected by selected climate change models towards the end of this century to predict fishing risk rates associated with changes in weather factors. We conclude that the environmental conditions that drive fishing incidents are projected to remain very similar by the end of this century.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,053
Tête enseignante GPT0,302
Écart entre enseignants0,250 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWeather and Climate ExtremesMême sujetClimate variability and modelsTravaux en français237 207