Climate change and marine fisheries: Least developed countries top global index of vulnerability
Notice bibliographique
Résumé
Future impacts of climate change on marine fisheries have the potential to negatively influence a wide range of socio-economic factors, including food security, livelihoods and public health, and even to reshape development trajectories and spark transboundary conflict. Yet there is considerable variability in the vulnerability of countries around the world to these effects. We calculate a vulnerability index of 147 countries by drawing on the most recent data related to the impacts of climate change on marine fisheries. Building on the Intergovernmental Panel on Climate Change framework for vulnerability, we first construct aggregate indices for exposure, sensitivity and adaptive capacity using 12 primary variables. Seven out of the ten most vulnerable countries on the resulting index are Small Island Developing States, and the top quartile of the index includes countries located in Africa (17), Asia (7), North America and the Caribbean (4) and Oceania (8). More than 87% of least developed countries are found within the top half of the vulnerability index, while the bottom half includes all but one of the Organization for Economic Co-operation and Development member states. This is primarily due to the tremendous variation in countries' adaptive capacity, as no such trends are evident from the exposure or sensitivity indices. A negative correlation exists between vulnerability and per capita carbon emissions, and the clustering of states at different levels of development across the vulnerability index suggests growing barriers to meeting global commitments to reducing inequality, promoting human well-being and ensuring sustainable cities and communities. The index provides a useful tool for prioritizing the allocation of climate finance, as well as activities aimed at capacity building and the transfer of marine technology.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».