MétaCan
Menu
Retour à la cohorte
Enregistrement W3085038452 · doi:10.1139/facets-2019-0027

Synthesizing and communicating climate change impacts to inform coastal adaptation planning

2020· article· en· W3085038452 sur OpenAlexaffvenueabout
Charlotte K. Whitney, Tugce Conger, Natalie C. Ban, Romney McPhie

Notice bibliographique

RevueFACETS · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensUniversity of British ColumbiaPacific Institute for Climate SolutionsUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésClimate changeEnvironmental resource managementVulnerability (computing)Adaptation (eye)Environmental planningClimate change adaptationGeneral partnershipGeographyMarine spatial planningEnvironmental scienceBusinessOceanographyComputer science

Résumé

récupéré en direct d'OpenAlex

Planning for adaptation to climate change requires regionally relevant information on rising air and ocean temperatures, sea levels, increasingly frequent and intense storms, and other climate-related impacts. However, in many regions there are limited focused syntheses of the climate impacts, risks, and potential adaptation strategies for coastal marine areas and sectors. We report on a regional assessment of climate change impacts and recommendations for adaptation strategies in the NE Pacific Coast (British Columbia, Canada), conducted in collaboration with a regional planning and plan implementation partnership (Marine Plan Partnership for the North Pacific Coast), aimed at bridging the gaps between climate science and regional adaptation planning. We incorporated both social and ecological aspects of climate change impacts and adaptations, and the feedback mechanisms which may result in both increased risks and opportunities for the following areas of interest: “Ecosystems”, “Fisheries and Aquaculture”, “Communities”, and “Marine Infrastructure”. As next steps within the region, we propose proactive planning measures including communication of the key impacts and projections and cross-sectoral assessments of climate vulnerability and risk to direct decision-making.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,341

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 ouverte0,0000,003
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 Opus0,072
Tête enseignante GPT0,269
Écart entre enseignants0,196 · 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'étudeAutre devis
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

Citations9
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetCoastal and Marine ManagementTravaux en français237 207