MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404171866 · doi:10.70766/912.482

Drought resilience for Nicola River salmon

2024· report· en· W4404171866 sur OpenAlexaboutno aff
Auston D. Chhor

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)FisheryGeographyHydrology (agriculture)Environmental scienceGeologyBiologyGeotechnical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The summer of 2024 is shaping up to be one of the most devastating drought years in history. The province’s snowpack, which is the largest source of water in the summer, is on average 63% of normal levels, with some regions like Vancouver Island 46% of normal. Last summer, low rainfall records were set across the province, with many regions recording their driest summers in history. In BC, droughts are expected to get worse as a result of climate change as glaciers retreat, precipitation falls as rain in the winter instead of snow, and summer air temperatures rise. Using publicly available hydrometric and water licence data, we conducted an ecological audit of BC’s Water Sustainability Act to determine if current policies were adequately addressing drought in the semi-arid and highly agricultural Nicola basin. Our analysis determined that since the Act came into force, flows in salmon-bearing streams are consistently below the Critical Environmental Flow Threshold—the minimum amount of flow required to support salmon—during the summer spawning season. High water temperatures were also identified as a frequent occurrence. Our analysis of provincial water licence data also shows that just three larger users account for over half of all water use in the Nicola basin. Provincial water restrictions intended to protect fish populations during drought have only occurred twice in history, in 2009 and 2015, and were significantly delayed in their implementation. We offer eight policy solutions to improve outcomes for salmon during droughts.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,706
Score d'incertitude au seuil0,585

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,019
Tête enseignante GPT0,276
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFish Ecology and Management Studies→Travaux en français237 207→