The effect of regional sea surface temperature rise on fisheries along the Portuguese Iberian Atlantic coast
Notice bibliographique
Résumé
Abstract The environmental effects of climate change are expected to impact fisheries, and related economies, and represent a significant challenge for the development of government policy. The impact of ocean warming on fisheries yields is of particular concern. The effect of sea surface temperature (SST) on fisheries in three distinct biogeographic areas (north‐western, NW; south‐western, SW; and south, S) and different fleet sectors (trawl, seine, and multi‐gear) of the Portuguese coast was examined. The mean temperature of the catch (MTC) was applied to the official landings statistics to assess the effect of global warming on the exploited marine communities. MTC increased from 16.9, 16.7, and 17.4°C in 1989 to 17.9, 18.1, and 18.3°C in 2009, whereas the linear rate of MTC increase was 0.54, 0.49, and 0.70°C per decade in the NW, SW, and S regions, respectively. The increase of warmer species in fisheries landings is regional‐specific. The percentage increases in landings of warmer water species increased significantly from north to south: 5.1, 6.7, and 18% per decade in the NW, SW, and S, respectively. The results confirmed that ocean warming has affected the composition of fisheries landings (of warmer and colder species) in the three regions of the Portuguese coast. The results highlight the importance and urgency of considering the temperature‐induced shift in species distribution in fisheries management.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».