MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220713276 · doi:10.21203/rs.3.rs-1304354/v1

A Temporal Assessment of Risk of Non-indigenous Species Introduction by Ballast Water to Canadian Coastal Waters Based on Environmental Similarity

2022· preprint· en· W4220713276 sur OpenAlexafffundabout
Ruixin Song, Yashar Tavakoli, Sarah A. Bailey, Amílcar Soares

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueMarine Ecology and Invasive Species
Établissements canadiensFisheries and Oceans CanadaMemorial University of Newfoundland
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of CanadaMemorial University of NewfoundlandTransport Canada
Mots-clésBallastIndigenousSimilarity (geometry)Environmental scienceOceanographyGeographyEnvironmental resource managementEcologyGeologyComputer scienceBiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract The environmental similarity scores between two locations are essential in ballast water risk assessment (BWRA) models used to estimate the potential for non-indigenous species introduction and guide management strategies aiming to minimize biodiversity loss and economic impacts. Previous BWRA models incorporate annual-scale environmental data, which may overlook seasonal variability. In this study, the differences in monthly sea surface temperature and salinity data were calculated at global ports and incorporated in a BWRA model. The environmental similarity scores were then calculated between the ballast water source and destination locations for ships arriving at Canadian coastal ports using monthly and annual-scale models for statistical comparison. As salinity and temperature vary seasonally in specific regions, there were significant differences in calculated environmental similarity risk values using annual and monthly-scale models. The results suggest that BWRA based on annual-scale data might underestimate environmental similarity scores. In contrast, methods incorporating monthly data can provide a more sensitive assessment to inform ballast water management practices.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,267
Score d'incertitude au seuil0,538

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,289
Écart entre enseignants0,274 · 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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetMarine Ecology and Invasive Species→Travaux en français237 207→