Using paleoecological data to inform decision making: A deep-time perspective
Notice bibliographique
Résumé
Latest climate models project conditions for the end of this century that are generally outside of the human experience. These future conditions affect the resilience and sustainability of ecosystems, alter biogeographic zones, and impact biodiversity. Deep-time records of paleoclimate provide insight into the climate system over millions of years and provide examples of conditions very different from the present day, and in some cases similar to model projections for the future. In addition, the deep-time paleoecologic and sedimentologic archives provide insight into how species and habitats responded to past climate conditions. Thus, paleoclimatology provides essential context for the scientific understanding of climate change needed to inform resource management policy decisions. The Pliocene Epoch (5.3–2.6 Ma) is the most recent deep-time interval with relevance to future global warming. Analysis of marine sediments using a combination of paleoecology, biomarkers, and geochemistry indicates a global mean annual temperature for the Late Pliocene (3.6–2.6 Ma) ∼3°C warmer than the preindustrial. However, the inability of state-of-the-art climate models to capture some key regional features of Pliocene warming implies future projections using these same models may not span the full range of plausible future climate conditions. We use the Late Pliocene as one example of a deep-time interval relevant to management of biodiversity and ecosystems in a changing world. Pliocene reconstructed sea surface temperatures are used to drive a marine ecosystem model for the North Atlantic Ocean. Given that boundary conditions for the Late Pliocene are roughly analogous to present day, driving the marine ecosystem model with Late Pliocene paleoenvironmental conditions allows policymakers to consider a future ocean state and associated fisheries impacts independent of climate models, informed directly by paleoclimate information.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,014 | 0,016 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».