MétaCan
Menu
← Retour à la cohorte
Enregistrement W6977395695 · doi:10.6084/m9.figshare.27634824.v1

<b>The implications of climate change for New Zealand’s freshwater fish</b>

2024· dataset· en· W6977395695 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2024
Typedataset
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeFreshwater fishTrophic levelExtinction (optical mineralogy)TroutEffects of global warmingIntroduced speciesGlobal warming

Résumé

récupéré en direct d'OpenAlex

Data from:Canning, Zammit, Death. (2024). The implications of climate change for New Zealand’s freshwater fish. Canadian Journal of Fisheries and Aquatic Sciences.Abstract:Climate change is poised to reshape ecological communities globally by driving species into new environments and altering interactions between species. Conservation efforts should not only address current pressures but also plan for future pressures, such as sensitive species moving into degraded environments or arising problematic trophic interactions. This study sought to assess how climate change may affect the end-of-century distributions of New Zealand’s native and non-native freshwater fish, including consequences for the overlap between trout (a non-native sports fish) and native species vulnerable to trout predation. Random forest modelling was used to predict end-of-century distributions for New Zealand’s freshwater fish based on six hydrologically downscaled global climate models across four representative concentration pathways. Severe climate change impacts could drive nine native fish species to extinction or near-extinction and cause substantial declines in another eight native species. Seven non-natives are also predicted to decline substantially, including a 30-40% reduction in the extent of trout. To avert these potential extinctions, it is crucial to mitigate climate change severity and improve land use impacting freshwater ecosystems.Word Document: 'cjfas-2024-0127' suppla contains Supplementary material A.Excel file: 'cjfas-2024-0127supplb' contains Supplementary material Bcsv file: 'Optimal_Thresholds' contains the probability thresholds that maximised the Kappa statistic when determining presence from probability of occurrence.csv file: 'All preds RF wide' contains the probability of occurrence for all species at all river reaches modelled. Data is in wide format with columns representing individual species, along with a 'Scenario' column indicating the RCP climate, 'Model' column indicating the global circulation model used, and 'nzsegment' indicating the river reach as defined in the New Zealand River Environment Classification system v2.4.csv file: 'All preds binary RF wide' contains the presence (1) or background (0) classification for all species at all river reaches modelled. Data is in wide format with columns representing individual species, along with a 'Scenario' column indicating the RCP climate, 'Model' column indicating the global circulation model used, and 'nzsegment' indicating the river reach as defined in the New Zealand River Environment Classification system v2.4.

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)0,007
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil0,921

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,2750,059

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 Opus0,302
Tête enseignante GPT0,454
Écart entre enseignants0,153 · 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
GenreJeu de données

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetArtificial Intelligence in Healthcare and Education→Travaux en français237 207→