MétaCan
Menu
Retour à la cohorte
Enregistrement W4362711749 · doi:10.1139/facets-2022-0101

Incorporating protected areas into global fish biomass projections under climate change

2023· article· en· W4362711749 sur OpenAlexaffvenue
Juliano Palacios‐Abrantes, Sarah M. Roberts, Talya ten Brink, Tim Cashion, William W. L. Cheung, Anne Mook, Nguyễn Văn Tú

Notice bibliographique

RevueFACETS · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDalhousie UniversityFisheries and Oceans CanadaUniversity of British Columbia
Organismes subventionnairesNational Socio-Environmental Synthesis CenterNational Science Foundation
Mots-clésMarine reserveClimate changeBiodiversityBiomass (ecology)Threatened speciesMarine protected areaEnvironmental scienceTemperate climateGlobal warmingEffects of global warming on oceansFisheryEnvironmental resource managementGeographyEcologyFish <Actinopterygii>Biology

Résumé

récupéré en direct d'OpenAlex

The world has set ambitious goals to protect marine biodiversity and improve ocean health in the face of anthropogenic threats. Yet, the efficiency of spatial tools such as marine reserves to protect biodiversity is threatened as climate change shifts species distributions globally. Here, we investigate the ability of global marine reserves to protect fish biomass under future climate change scenarios. Moreover, we explore regional patterns and compare worlds with and without marine reserves. We rely on computer modeling to simulate an utopian world where all marine reserves thrive and ocean governance is effective. Results suggest that climate change will affect fish biomass in most marine reserves and their surrounding waters throughout the 21st century. The biomass change varies among regions, with tropical reserves losing biomass, temperate ones gaining, and polar reserves having mixed effects. Overall, a world with marine reserves will still be better off in terms of fish biomass than a world without marine reserves. Our study highlights the need to promote climate resilient conservation methods if we are to maintain and recover biodiversity in the ocean under a changing world.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,050
Tête enseignante GPT0,302
Écart entre enseignants0,252 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetMarine and fisheries researchTravaux en français237 207