MétaCan
Menu
Retour à la cohorte
Enregistrement W4287958306 · doi:10.1002/lol2.10272

Causes and consequences of recent degradation of the Magdalena River basin, Colombia

2022· article· en· W4287958306 sur OpenAlexafffund
Jorge Salgado, Jonathan B. Shurin, María I. Vélez, Andrés Link, Laura Lopera‐Congote, Catalina González, Fernando Jaramillo, Imenne Åhlén

Notice bibliographique

RevueLimnology and Oceanography Letters · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaStockholms UniversitetVetenskapsrådetCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésDrainage basinBiodiversityDeforestation (computer science)Climate changeGeographyEcosystemEcologyPopulationEnvironmental scienceAquatic ecosystemEnvironmental degradationWater resource managementEnvironmental protectionBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The Magdalena River in Colombia is one of the world's largest (discharge = 7100 m 3 s −1 ) tropical rivers, hosting > 170 aquatic vertebrate species. However, concise synthesis of the current ecological and environmental status is lacking. By documenting the anthropogenic stressors impacting the river on time scales ranging from centuries to decades, we found that the river system is subject to the compounding impacts of climate change, river impoundment, invasive alien species (IAS), catchment deforestation, and water pollution. We show that the Magdalena is a woefully understudied ecosystem relative to its critical importance to Colombia's economy, culture, and biodiversity compared with other similarly sized tropical rivers. We emphasize the need for research on (1) IAS population and ecological dynamics, (2) river damming and its links with IAS and climate change, and (3) land‐use changes as well as identifying sources of water pollution and strategies for mitigation.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,862

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 technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,009
Tête enseignante GPT0,190
Écart entre enseignants0,181 · 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'étudeObservationnel
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

Citations30
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLimnology and Oceanography LettersMême sujetFish Ecology and Management StudiesTravaux en français237 207