Mapping the Azores Marine Park Vulnerability to Temperature Changes
Notice bibliographique
Résumé
ABSTRACT Aim Identifying highly vulnerable regions to climate change is increasingly incorporated in marine management planning given the expected redistribution of species with latitude, longitude, and depth following temperature changes. Here, we developed a spatially explicit vulnerability framework incorporating sensitivity, exposure, and adaptive capacity of species living in one of the largest networks of Marine Protected Areas (MPAs) within the EU. Location Azores Marine Park, North Atlantic. Methods We quantified benthic, benthopelagic, and pelagic species sensitivity to temperature changes based on adult thermal affinity and georeferenced their distribution with quality‐controlled records from various data compilators. To assess their exposure, we extracted historical (1995–2020) temperatures across latitudes, longitudes, and depths and calculated mean interannual change (i.e., increase or decrease) and variability. We estimated the adaptive capacity of species with traits related to relocation ability during adult and early life stages (i.e., “Motility” and “Developmental Mechanism”) using the FUN Azores trait database. To map the results, we pooled the species into 3D‐regions of 0.25° × 0.25° resolution and 50 and 500 m depth bands at shallow and deep areas, respectively. We assigned a sensitivity, exposure, and adaptive capacity score to each region based on species scores and combined them into a final vulnerability class (i.e., “Highly Vulnerable” (HV), “Advisable Monitoring” (AM), “Expected Relocation” (ER), and “Least Concern” (LC)). Results HV and AM regions exist only in the benthic environment across various MPAs and depths. Increased mobility of species explains the absence of the most vulnerable categories in the benthopelagic and pelagic environments. Main Conclusions We advise strong conservation measures in HV areas and to maintain connectivity with climate refugia and monitoring of environmental variables and populations in areas classified as AM and ER, respectively. Our results suggest that the Azores deep‐sea benthos is the most vulnerable environment to both warming and temperature variations.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,004 |
| 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 ».