Incorporating climate change model projections into ecological risk assessments to help inform risk management and adaptation strategies: Synthesis of a SETAC Pellston Workshop®
Notice bibliographique
Résumé
The impacts of global climate change are not yet well integrated with the estimates of the impacts of chemicals on the environment. This is evidenced by the lack of consideration in national or international reports that evaluate the impacts of climate change and chemicals on ecosystems and the relatively few peer-reviewed publications that have focused on this interaction. In response, a 2011 Pellston Workshop® was held on this issue and resulted in seven publications in Environmental Toxicology and Chemistry. Yet, these publications did not move the field toward climate change and chemicals as important factors together in research or policy-making. Here, we summarize the outcomes of a second Pellston Workshop® on this topic held in 2022 that included climate scientists, environmental toxicologists, chemists, and ecological risk assessors from 14 countries and various sectors. Participants were charged with assessing where climate models can be applied to evaluating potential exposure and ecological effects at geographical and temporal scales suitable for ecological risk assessment, and thereby be incorporated into adaptive risk management strategies. We highlight results from the workshop's five publications included in the special series "Incorporating Global Climate Change into Ecological Risk Assessments: Strategies, Methods and Examples." We end this summary with the overall conclusions and recommendations from participants. Integr Environ Assess Manag 2024;20:359-366. © 2023 The Authors. Integrated Environmental Assessment and Management published by Wiley Periodicals LLC on behalf of Society of Environmental Toxicology & Chemistry (SETAC).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».