A Safe Operating Space for Salmon Watersheds Under Rapid Climate Change
Notice bibliographique
Résumé
ABSTRACT Climate change and local pressures are eroding the health and performance of many watersheds and their freshwater ecosystems, pushing these complex social‐ecological systems to the boundaries of their safe operating space. Here, we offer a synthetic perspective on the downscaled application of the safe operating space concept to inform the stewardship of watersheds in this time of rapid climate change, with particular focus on watersheds that support coldwater migratory fishes such as Pacific salmon. First, we review the safe operating space concept as it applies to salmon watersheds as social‐ecological systems. Salmon watersheds, and the benefits they provide for diverse peoples, are under enormous cumulative pressure from climate change as well as local activities such as forestry, urbanisation, mining and agriculture. We identify four general syndromes of dual local and climate pressures. For example, local pressures, such as the removal of riparian vegetation that shades streams, can exacerbate climate warming of water temperatures. Furthermore, extractive industries can damage or destroy future habitats and thus erode adaptive capacity. As an illustrative example of how the safe operating space concept can be operationalised, we assess alternative plausible watershed futures of land use and climate change scenarios and salmon performance. Collectively, this work showcases tangible options for local management to help give salmon watersheds the time and space to cope with climate change. More broadly, while there is a global need to address climate change, local watershed management is a key component of pathways towards freshwater sustainability and their services for humanity.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».