MétaCan
Menu
Retour à la cohorte
Enregistrement W4391969930 · doi:10.1038/s43247-024-01251-8

Major changes in fish thermal habitat diversity in Canada’s Arctic lakes due to climate change

2024· article· en· W4391969930 sur OpenAlexafffundabout
Daniel P. Gillis, Charles K. Minns, Steven E. Campana, Brian J. Shuter

Notice bibliographique

RevueCommunications Earth & Environment · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMinistry of Natural Resources and ForestryUniversity of TorontoFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans CanadaHáskóli ÍslandsUniversity of TorontoNatural Sciences and Engineering Research Council of CanadaMcGill UniversityNational Science Foundation
Mots-clésClimate changeArcticFish <Actinopterygii>HabitatDiversity (politics)The arcticGeographyEnvironmental scienceEcologyFisheryOceanographyPhysical geographyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Climate warming is a major disruptor of fish community structure globally. We use large-scale geospatial analyses of 447,077 Canadian Arctic lakes to predict how climate change would impact lake thermal habitat diversity across the Arctic landscape. Increases in maximum surface temperature (+2.4–6.7 °C), ice-free period (+14–38 days), and thermal stratification presence (+4.2–18.9%) occur under all climate scenarios. Lakes, currently fishless due to deep winter ice, open up; many thermally uniform lakes become thermally diverse. Resilient coldwater habitat supply is predicted; however, thermally diverse lakes shift from providing almost exclusively coldwater habitat to providing substantial coolwater habitat and previously absent warmwater habitat. Across terrestrial ecozones, most lakes exhibit major shifts in thermal habitat. The prevalence of thermally diverse lakes more than doubles, providing refuge for coldwater taxa. Ecozone-specific differences in the distribution of thermally diverse and thermally uniform lakes require different management strategies for adapting fish resource use to climate change.

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 enseignants0,774
Score d'incertitude au seuil0,924

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,003
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 Opus0,028
Tête enseignante GPT0,217
Écart entre enseignants0,189 · 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

Citations5
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetFish Ecology and Management StudiesTravaux en français237 207