Impacts of Ocean Warming on China's Fisheries Catches: An Application of “Mean Temperature of the Catch” Concept
Notice bibliographique
Résumé
Ocean warming can strongly impact marine fisheries; notably, it can cause the “mean temperature of the catch” (MTC) to increase, an indicator of the tropicalization of fisheries catches. In this contribution, we explore MTC changes in three large marine ecosystems (LMEs) along China’s coasts, i.e., the Yellow Sea, East China Sea, and South China Sea LMEs, and their relationships to shifts of the sea surface temperature (SST). The results show that, while the MTCs began to increase in 1962 in the East China Sea and in 1968 in the Yellow Sea, there was no detectable increase in the South China Sea. There also was a strong relationship between MTC and SST in the Yellow and East China Seas from 1950 to 2010, especially when taking a 3-year time-lag into account. The lack of change of the MTC in the South China Sea is attributed to the relatively small increase in SST over the time period considered, and the fact that the MTC of tropical ecosystems such as the South China Sea is not predicted to increase in the first place, given that their fauna cannot be replaced by another, adapted to higher temperature. Overall, these results suggest that ocean warming is already having an impact on China’s marine fisheries, and that policies to curtail greenhouse gas emissions are urgently needed to minimize the increase of these impacts on fisheries.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».