MétaCan
Menu
Retour à la cohorte
Enregistrement W4392348942 · doi:10.1016/j.envres.2024.118561

Climate change impacts on oyster aquaculture - Part I: Identification of key factors

2024· review· en· W4392348942 sur OpenAlexafffundabout
Emmanuel Okine Neokye, Xiuquan Wang, Krishna K. Thakur, Pedro A. Quijón, Rana Ali Nawaz, Sana Basheer

Notice bibliographique

RevueEnvironmental Research · 2024
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésAquacultureOysterClimate changeFisherySalinityIdentification (biology)Global warmingEnvironmental scienceEcologyFish <Actinopterygii>Biology

Résumé

récupéré en direct d'OpenAlex

Oysters are enriched with high-quality protein and are widely known for their exquisite taste. The production of oysters plays an important role in the local economies of coastal communities in many countries, including Atlantic Canada, because of their high economic value. However, because of the changing climatic conditions in recent years, oyster aquaculture faces potentially negative impacts, such as increasing water acidification, rising water temperatures, high salinity, invasive species, algal blooms, and other environmental factors. Although a few isolated effects of climate change on oyster aquaculture have been reported in recent years, it is not well understood how climate change will affect oyster aquaculture from a systematic perspective. In the first part of this study, we present a systematic review of the impacts of climate change and some key environmental factors affecting oyster production on a global scale. The study also identifies knowledge gaps and challenges. In addition, we present key research directions that will facilitate future investigations.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,011

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 Opus0,150
Tête enseignante GPT0,410
Écart entre enseignants0,260 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental ResearchMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207