MétaCan
Menu
Retour à la cohorte
Enregistrement W3212508588 · doi:10.1080/13683500.2021.1995338

Climate change risk in the Swedish ski industry

2021· article· en· W3212508588 sur OpenAlex
Harald Rice, Scott Cohen, Daniel Scott, Robert Steiger

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
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTourismClimate changeGeographyEconomyEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Tourism industry and government demand for knowledge of the impacts of climate change on ski tourism is growing. Despite the more than 70-year history and large cultural significance of alpine skiing in Sweden, little is known about the industry’s future under a changing climate. This study applies the SkiSim2 model with low to high emission scenarios (RCP2.6 to 8.5) to analyse the implications of climate change for ski operations (season length, snowmaking requirements) at 23 alpine ski areas across Sweden for the early, mid and late twenty-first century. Northern areas of Sweden show much less reduction in average season length compared to central and southern Sweden under the high emission mid- (13% versus 58% and 81%) and late-century scenarios (27% versus 72% and 99%). To limit season losses in these scenarios, snow production increases of over 250% are required in all regions. Such increases will create additional financial and environmental stressors, which may lead to the closure of the most at-risk resorts. With greater impacts projected for much of the European Alps ski market, northern Sweden may represent a ‘last resort’ for the European ski industry under higher emission scenarios by the mid-late twenty-first century.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,198
Score d'incertitude au seuil1,000

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 recherche0,0000,001
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 Opus0,056
Tête enseignante GPT0,300
Écart entre enseignants0,244 · 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