MétaCan
Menu
Retour à la cohorte
Enregistrement W2775291077 · doi:10.1016/j.crte.2017.09.004

The changing hydro-ecological dynamics of rivers and deltas of the Western Indian Ocean: Anthropogenic and environmental drivers, local adaptation and policy response

2017· article· en· W2775291077 sur OpenAlexfundno aff
Stéphanie Duvail, Olivier Hamerlynck, Paolo Paron, Dominique Hervé, Wanja Dorothy Nyingi, Michele Leone

Notice bibliographique

RevueComptes Rendus Géoscience · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal wetland ecosystem dynamics
Établissements canadiensnon disponible
Organismes subventionnairesCentre National de la Recherche ScientifiqueMinistry of EnvironmentInternational Development Research CentreCritical Ecosystem Partnership Fund
Mots-clésHydropowerEnvironmental scienceFlood mythDeforestation (computer science)Climate changeEcosystemBiodiversityFlooding (psychology)DeltaEcosystem servicesLivelihoodGeographyEcologyOceanographyAgricultureGeology

Résumé

récupéré en direct d'OpenAlex

The rivers flowing into the Western Indian Ocean have steep headwater gradients and carry high sediment loads. In combination with strong tides and seasonal rainfall, these rivers create dynamic deltas with biodiversity-rich and productive ecosystems that, through flooding, have sustained indigenous use systems for centuries. However, river catchments are rapidly changing due to deforestation. Hydropower dams also increasingly alter flood characteristics, reduce sediment supply and contribute to coastal erosion. These impacts are compounded by climate change. Altogether, these changes affect the livelihoods of the delta users. Here, based on prior works that we and others have conducted in the region, we analyse the drivers of these hydro-ecological changes. We then provide recommendations for improved dam design and operations to sustain the underlying delta-building processes, the ecosystem values and the needs of the users.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,065
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,221
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations27
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComptes Rendus GéoscienceMême sujetCoastal wetland ecosystem dynamicsTravaux en français237 207