MétaCan
Menu
Retour à la cohorte
Enregistrement W3006296777 · doi:10.1111/gcb.14974

Projecting global mariculture diversity under climate change

2020· article· en· W3006296777 sur OpenAlexafffund
Muhammed A. Oyinlola, Gabriel Reygondeau, Colette C. C. Wabnitz, William W. L. Cheung

Notice bibliographique

RevueGlobal Change Biology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaricultureSpecies richnessClimate changeAquacultureGeographyEcologyFisheryBiologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Previous studies have focused on changes in the geographical distribution of terrestrial biomes and species targeted by marine capture fisheries due to climate change impacts. Given mariculture's substantial contribution to global seafood production and its growing significance in recent decades, it is essential to evaluate the effects of climate change on mariculture and their socio-economic consequences. Here, we projected climate change impacts on the marine aquaculture diversity for 85 of the currently most commonly farmed fish and invertebrate species in the world's coastal and/or open ocean areas. Results of ensemble projections from three Earth system models and three species distribution models show that climate change may lead to a substantial redistribution of mariculture species richness potential, with an average of 10%-40% decline in the number of species being potentially suitable to be farmed in tropical to subtropical regions. In contrast, mariculture species richness potential is projected to increase by about 40% at higher latitudes under the 'no mitigation policy' scenario (RCP 8.5) by the mid-21st century. In Exclusive Economic Zones where mariculture is currently undertaken, we projected an average future decline of 1.3% and 5% in mariculture species richness potential under RCP 2.6 ('strong mitigation') and RCP 8.5 scenarios, respectively, by the 2050s relative to the 2000s. Our findings highlight the opportunities and challenges for climate adaptation in the mariculture sector through the redistribution of farmed species and expansion of mariculture locations. Our results can help inform adaptation planning and governance mechanisms to minimize local environmental impacts and potential conflicts with other marine and coastal sectors in the future.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,118
Tête enseignante GPT0,303
Écart entre enseignants0,185 · 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'étudeSimulation ou modélisation
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

Citations65
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetMarine and fisheries researchTravaux en français237 207