Arctic ecosystem services: challenges and opportunities (co-sponsored by AMAP, EU-PolarNet, and ICES)
Notice bibliographique
Résumé
No abstracts are to be cited without prior reference to the author.Conveners: Candace Nachman (USA), Susanne Kortsch (Norway).CM 2016/P:248. A Bioeconomic Model of Ocean Acidification Challenges in the Baffin Bay/Davis Straight Shrimp Fishery. Brooks A. Kaiser, Lars Ravn-JonsenCM 2016/P:122. An overview of the adequacy of Arctic sea basin data. Belinda J. Kater, Nathalie Steins, Martine J. van den Heuvel‐Greve, Peter Thijsse, CJ Beegle‐Krause, Oscar Bos, Bart Grasmeijer, Le Griffin, Eline van Onselen, Harriet van Overzee, Gerjan Piet, Andrea Sneekes, Arjan Tuijnder, Pepijn de Vries, Jan Tjalling van der WalCM 2016/P:624. Ballast water of domestic ships as a pathway for the introduction of non-indigenous mesozooplankton in coastal Nunavik, Canada. Pascal Tremblay, André Rochon, Gesche Winkler, Kimberly Howland, Nathalie Simard, Sarah BaileyCM 2016/P:445. Benthic non-indigenous species in ports of the Canadian Arctic: risks associated with global warming and shipping activity. Kimberly Howland, Jesica Goldsmit, Philippe Archambault, David Barber, Guillem Chust, George Liu, Jennifer Lukovich, Chris McKindsey, Ernesto VillarinoCM 2016/P:644. Climate change impacts on the ecosystem services of Arctic cod (Boreogadus saida). Benjamin J. Laurel, Louise A. CopemanCM 2016/P:178. Cod response to past and current warm phases in the seas of Iceland, a time series analysis. Marcos Llope, Niall McGinty, Joël Durant, Leif C. Stige, Guðrún Marteinsdóttir, Nils Chr. StensethCM 2016/P:450. Modelling spatio-temporal variation of surface hydrography in an Arctic shelf sea. Jussi Mäkinen, Jarno VanhataloCM 2016/P:129. Pink salmon as sentinels for climate change in the Arctic. Ed Farley, Wess Strasburger, Jeanette Gann, Kris CiecielCM 2016/P:433. Regional heterogeneity in climate change impacts on the living marine resources of the Arctic. Anne B. Hollowed, Wei Cheng, Harald Loeng, Libby Logerwell, Franz Mueter, James ReistCM 2016/P:268. Socio-economic impacts of ocean acidification and warming on Barents Sea Cod. Martina H. Stiasny, Martin Hänsel, Catriona Clemmesen, Flemming Dahlke, Felix H. Mittermayer, Martin Quaas, Thorsten Reusch, Daniela Storch, Rudi VossCM 2016/P:502. Structure and resilience of the benthic food web across the Canadian Arctic Ocean and the Chukchi sea. Noémie Friscourt, Christian Nozais, Philippe ArchambaultCM 2016/P:647. SYMBIOSES - a practical risk management tool to integrate fisheries and hydrocarbon activities in the Lofotens and Barents Sea, Norway. Daniel Howell, JoLynn Caroll, Frode VikebøCM 2016/P:405. The Missing Middle: The Need for International Collaboration to Fill Gaps in Central Arctic Ocean Science. Henry P. Huntington, Thomas Van Pelt, Hyoung Chul ShinCM 2016/P:280. Towards quantitative oil spill risk assessment in the Arctic sea areas. Maisa Nevalainen, Inari Helle, Jarno VanhataloCM 2016/P:556. Trophodynamics of Atlantic cod (Gadus morhua) on the Greenland continental shelf 2006-2010 and Spitsbergen 2010. Karl‐Michael Werner, Sophia Kochalski, Jerome Chladek, Corinna Schendel, Heino O. FockCM 2016/P:559. Unique insights from historical fisheries survey logbooks in the Arctic. John K. Pinnegar, Bryony L. Townhill, Georg H. Engelhard
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,019 |
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 source (Gemma direct ou Codex distillé), 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 ».