Harvester perceptions of climate vulnerability: Contributions to building climate resilient fisheries
Notice bibliographique
Résumé
The uncertainty of future ocean conditions caused by climate change challenges the conventional fisheries management model that assumes resource extraction occurs in a steady-state environment. As managers respond to climate impacts and focus on long-term preparedness, an overarching goal is to minimize the vulnerability of fishing businesses and communities. However, during the adaptation process, challenges can arise when perceptions of climate change vulnerability differ among scientists, managers, and harvesters. A harvester’s perception of their risk to climate change influences their willingness to plan for and respond to change, yet these views are often overlooked in adaptation planning. To better understand this dynamic, we conducted a regional survey to evaluate the perceptions harvesters hold regarding the impacts of climate change on commercially fished species in the Northeastern United States and the resulting risks from those changes. The waters in this region of the Northwest Atlantic shelf are warming faster than the global average resulting in shifting distributions of species, altered seasonal migrations, and changes in productivity. Respondents’ perceptions aligned with an analysis conducted by scientists on the directionality of climate impacts for 12 out of 27 (44%) of the most commercially important species in the region. Additionally, an understanding of the variability in perceptions of climate change vulnerability emerged: 72% of respondents believe climate change is occurring, 53% believe climate change will harm them personally, and 28% have already seen a negative impact on their ability to catch fish. Respondents who believe that climate change is occurring had higher perceptions of vulnerability on average than those who do not believe it is occurring. Despite a sense of vulnerability to climate change, respondents did not rank it among the top three concerns (fisheries regulations, market access, and access to working waterfronts) for their fishing businesses. Investigating harvester’s perceptions is an opportunity to share their experiences and understand the diversity of perspectives regarding the impacts of climate change. Increasing the inclusion of social science indicators and diverse perspectives will increase climate resilience of fisheries management.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».