MétaCan
Menu
Retour à la cohorte
Enregistrement W4388527258 · doi:10.1139/facets-2021-0202

Recent and projected climate change–induced expansion of Atlantic halibut in the Northwest Atlantic

2023· article· en· W4388527258 sur OpenAlexaffvenueabout
Andrew N. Czich, Ryan R. E. Stanley, Trevor S. Avery, Cornelia E. den Heyer, Nancy L. Shackell

Notice bibliographique

RevueFACETS · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensBedford Institute of OceanographyAcadia University
Organismes subventionnairesnon disponible
Mots-clésHalibutHippoglossus hippoglossusClimate changeGlobal warmingHabitatAbundance (ecology)FisheryEnvironmental scienceEffects of global warmingPopulationRange (aeronautics)OceanographyGeographyEcologyBiologyFish <Actinopterygii>Geology

Résumé

récupéré en direct d'OpenAlex

With the influence of climate change on marine systems expanding, climate adaptation will be fundamental for the future of fisheries management. An exponential increase in Atlantic halibut Hippoglossus hippoglossus landings over the past decade has coincided with warming ocean temperatures. Here, we explore how historical changes in abundance have been linked to changing thermal habitat conditions and project trends with a warming climate under different emissions scenarios. From 1990 to 2018, available thermal habitat increased by 11.6 ± 7.35% and growing degree days have increased by 13.5 ± 7.86 °C·days across the region. With warming, the probability of occurrence is projected to increase up to 20.5% in Canada by 2085 under RCP 8.5 for Atlantic halibut. Our results suggest that shifting patterns of halibut distribution and abundance are linked to thermal conditions and that continued warming will likely continue to enhance habitat conditions, leading to increased abundance in the Canadian range. Collectively, these results illustrate the influence of shifting environmental conditions on population dynamics and emphasize the importance of adaptive management practices in a dynamic future climate.

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 enseignants0,030
Score d'incertitude au seuil0,999

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,056
Tête enseignante GPT0,287
Écart entre enseignants0,231 · 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

Citations6
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetMarine and fisheries researchTravaux en français237 207