Extreme Climate Events and Fish Production in Bangladesh
Notice bibliographique
Résumé
Natural hazards frequently batter Bangladesh and cause damages to fisheries sector of the country. The main objective of the present investigation was to evaluate the effects of storm/tidal surge, waterlogging, cyclone, flood, drought and erosion on spatial distribution of damages and economic loss in fisheries of Bangladesh. Data were collected from existing literatures followed by scoring and attribute-wise maps were prepared using IDRISI3.2. The highest economic loss (US$ 17.65 million) in fishery sector was observed in Southern part and the least in hilly regions. The damages caused by natural hazards followed the order of storm/tidal surge > waterlogging > cyclone > flood > drought > erosion. About 21% areas of South and South-east Bangladesh were affected by high to very high storm/tidal surge. Very severe waterlogging problems were observed in 6.96% areas of the country. Moderate to high damages because of cyclone were found in about 11% areas in South and South-east Bangladesh. Moderate to high flooding problems were mostly prevalent in Central and North-east part of the country covering 15-19 per cent areas. Drought and erosion are less damaging to fishery sector compared to other studied natural hazards. Although exposure index to natural hazards is high, relative index to national economy because of damages to fisheries sector are low. Adaptive measures in coastal areas as a long-term strategy would be participatory construction of hard structures and reclamation/conservation of wetlands throughout the country including improved warning system could be undertaken for minimizing damages in fisheries sector of Bangladesh.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».