MétaCan
Menu
Retour à la cohorte
Enregistrement W3005808599 · doi:10.3389/fevo.2020.00020

Management and Exploitation of Macroalgal Biomass as a Tool for the Recovery of Transitional Water Systems

2020· article· en· W3005808599 sur OpenAlexfundno aff
Adriano Sfriso, Michele Mistri, Cristina Munari, Alessandro Buosi, Adriano Sfriso

Notice bibliographique

RevueFrontiers in Ecology and Evolution · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal plant biology
Établissements canadiensnon disponible
Organismes subventionnairesEnvironmental Studies Research Funds
Mots-clésBiomass (ecology)EcologyEcosystemBenthic zoneEnvironmental scienceAquatic ecosystemAnoxic watersBiology

Résumé

récupéré en direct d'OpenAlex

Aquatic angiosperms favor the development of ecosystems services, the welfare of marine organisms and people. Generally the presence of angiosperms in transitional systems are indicators of good ecosystem status. Presently, these environments are densely populated and often are so highly degraded that angiosperms have almost disappeared, replaced by tionitrophilic macroalgae responsible of anoxic events that deteriorate the environment furtherly. Although this trend is hardly reversible because the anthropogenic impact is increasing and the restoring of damaged environments within a reasonable time is difficult, recent studies have shown that by managing the harvesting of the natural algal species of commercial interest a progressive environmental recovery is achievable. Biomass-harvesting can contribute both to the removal of high amounts of nutrients and the generation of economic revenues for a sustainable, self-financed environmental restoration. In fact, unlike clam-farming which destroys the seabed and re-suspends large amounts of sediments, the proper management of the macroalgal biomass, can favour the nutrient abatement and the recolonization of aquatic angiosperms which help restore the conditions necessary for the conservation of the benthic and fish fauna and birds, and produce valuable economic resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,026
Score d'incertitude au seuil0,097

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,173
Écart entre enseignants0,166 · 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 tête enseignante, 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and EvolutionMême sujetMarine and coastal plant biologyTravaux en français237 207