Signature of climate-induced changes in seafood species served in restaurants
Notice bibliographique
Résumé
Abstract Climate change is causing shifts in biogeography of marine species, towards higher latitude, deeper waters, or following local temperature gradients. Such species distribution changes are affecting global fisheries through increasing the dominance of warmer-water preferred species as ocean temperature increases. Previous modeling analyses projected that climate-induced changes in seafood availability would affect the entire seafood chain. However, observed climate impacts on seafood retailers and consumers have rarely been demonstrated. Seafood restaurants usually rely on the supply of locally caught species, and thus the impacts of changing catches on the food they serve, and consequently on their diners, may be reflected in their menus. In this study, 362 restaurant menus from Vancouver, British Columbia, Canada, were collated and analyzed over four different time periods (1880–1960, 1961–1980, 1981–1996, and 2019–2021). Moreover, 148 present-day menus from two other cities north (Anchorage, AK, USA) and south (Los Angeles, CA, USA) of Vancouver were also collected. An index, herein called Mean Temperature of Restaurant Seafood (MTRS), was calculated from the average temperature preference of the species of seafood identified in the menus for each time period or location. Overall, the MTRS of menus from Vancouver increased from 10.7 ± 0.7 °C to 13.8 ± 1.0 °C (95% confidence intervals) between 1888–1960 and 2019–2021. Present-day MTRS was among the highest in Los Angeles (16.5 ± 1.7 °C) and lowest in Anchorage (9.6 ± 1.0 °C). The temporal and spatial variations in MTRS are significantly related to observed patterns of average sea surface temperature and the Mean Temperature of the Catch. This suggests that restaurant menus may be used as a complementary information source regarding changes in marine ecosystems and fisheries and the seafood sector’s responses to these changes. This study also highlights the value of using unconventional information sources and their applications in the detection of climate impacts on oceans and their dependent human communities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».