Climate Change Vulnerability Assessments Based on Korean Freshwater Fish and Comparative Evaluations with three International Models
Notice bibliographique
Résumé
Potential candidate fish species vulnerable to climate change were identified by the pre-screening process in streams and rivers of 4 major watersheds in Korea. Total 51 candidates from 252 fish species were selected by eliminating the species such as estuary-dwelling species, tolerant species to water pollution, omnivorous species (generalist), and widely distributed species. And then we preliminarily considered the restricted headwater species, cold-water affinity species, limited dispersal ability, and sensitive species to thermal and hydrological variations. The selected species were evaluated using three internationally recognized climate change vulnerability assessment tools (US Midwestern, US Environmental Protection Agency, and Canada models) to compare species-level vulnerability patterns. Spearman rank correlation analysis was used to quantitatively compare the consistency of assessment results across models. While three models identified species as relatively consistently vulnerable to climate change, differences in metric composition and weighting methods resulted in variations in relative vulnerability rankings for some species, highlighting the limitations of a single assessment model. A total of 92 metrics reported in global literature were reviewed, from which 20 metrics were selected by considering domestic data availability, ecological relevance, and sensitivity to climate drivers. The selected metrics were organized into three categories: temperature exposure, sensitivity, and adaptability. A standardized three-level scoring system (1, 3, and 5) was applied to assess the climate change vulnerability on the selected 51 species. Considering that freshwater fish were ectothermic organisms and exhibited high physiological sensitivity to water temperature changes, weighting of each metric was applied to metrics directly related to water temperature, thereby more clearly distinguishing the vulnerabilities of cold-water species. Overall, assessment and prioritization of climate change vulnerability are fundamental to identifying at-risk freshwater fish species and guiding effective conservation and management strategies.
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 | 0,001 | 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».