MétaCan
Menu
Retour à la cohorte
Enregistrement W3192589676 · doi:10.1080/13683500.2021.1956442

Climate suitability for tourism in China in an era of climate change: a multiscale analysis using holiday climate index

2021· article· en· W3192589676 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCurrent Issues in Tourism · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship CouncilEast China Normal University
Mots-clésTourismClimate changeChinaDestinationsClimate riskGeographyIndex (typography)Political economy of climate changeNatural resource economicsEnvironmental resource managementClimatologyEnvironmental scienceEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Climate change is increasingly influencing tourism policy and practice and there is a growing need to assess climate risk for destinations and the potential implications for global tourism demand patterns. Climate-dependent tourism markets, such as beach tourism, are particularly sensitive to changes in climate, and understanding the future redistribution of tourism climate resources remains a gap in many world leading tourism regions. This paper presents the first climate change assessment of tourism climate resources in China. The Holiday Climate Index:beach (HCI:beach) and Holiday Climate Index:urban (HCI:urban) are calculated for 775 climate stations across China for the 1981–2010 baseline and mid and late-twenty-first century using projections from six CMIP5 Global Climate Models under low and high emission futures. The projected geographic and seasonal redistribution of tourism climate resources are advantageous for many climate-limited destinations but pose high heat risks for some major city destinations. The differential results for the HCI:beach and HCI:urban reinforce the importance of utilising market-specific indices to assess future climate risk. The results provide new decision-relevant climate information for tourism managers and destination planners throughout China.

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.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,049
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,071
Tête enseignante GPT0,434
Écart entre enseignants0,363 · 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