MétaCan
Menu
Retour à la cohorte
Enregistrement W4304784517 · doi:10.3389/fmars.2022.981569

Assessing the carbon sink capacity of coastal mariculture shellfish resources in China from 1981–2020

2022· article· en· W4304784517 sur OpenAlexaff
Yixin Gu, Shaoliang Lyu, Lifei Wang, Zhijie Chen, Xuefeng Wang

Notice bibliographique

RevueFrontiers in Marine Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésMaricultureShellfishFisheryCarbon sinkEnvironmental scienceSink (geography)AquacultureClimate changeEcologyGeographyAquatic animalBiology

Résumé

récupéré en direct d'OpenAlex

The ocean has considerable potential to function as a carbon sink, absorbing anthropogenic CO 2 and buffering the effects of climate change. How the culture of shellfish can be used to increase the ocean carbon sink warrants evaluation. We analyze the production and carbon sink capacity of six important mariculture shellfish species (oyster, ark clam, mussel, scallop, clam, and razor clam) in nine coastal provinces of China from 1981–2020 using quality assessment and logarithmic mean Divisia index (LMDI) decomposition methods. Over this time period both cultured shellfish production and its contribution to the carbon sink generally increase, averaging approximately 600,000 t annually over the last four decades. Both the annual production and carbon sink capacity of China’s mariculture shellfish industry vary geographically. The total annual tonnage (scale) of cultured shellfish, and to a lesser extent, coastal shellfish species composition (structure) influence carbon sink capacity, and affect China’s plans to achieve “dual carbon goals.” Combining historical analysis and the LMDI method, we propose a scheme that optimally and more sustainably manages China’s culture of shellfish.

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)0,001
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 enseignants0,040
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,004
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 Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,210 · 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

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207