MétaCan
Menu
Retour à la cohorte
Enregistrement W1973160517 · doi:10.1111/j.1523-1739.2005.00148.x

Sensitivity and Vulnerability in Marine Environments: an Approach to Identifying Vulnerable Marine Areas

2005· article· en· W1973160517 sur OpenAlexafffund
Mark Zacharias, Edward J. Gregr

Notice bibliographique

RevueConservation Biology · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensSciencetech (Canada)
Organismes subventionnairesUniversity of British Columbia
Mots-clésVulnerability (computing)HabitatGeographySubmarine pipelineMarine habitatsEndangered speciesEnvironmental resource managementEnvironmental scienceVulnerability assessmentMarine spatial planningFisheryEcologyOceanographyComputer scienceGeologyPsychological resilienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract: Marine environments have suffered from a lack of quantitative methods for delineating areas that are sensitive or vulnerable to particular stresses, natural and anthropogenic. We define sensitivity as the degree to which marine features respond to stresses, which are deviations of environmental conditions beyond the expected range. Vulnerability can then be defined as the probability that a feature will be exposed to a stress to which it is sensitive. Using these definitions, we provide a quantitative methodology for identifying vulnerable marine areas based on valued ecological features, defined as biological or physical features, processes, or structures deemed by humans to have environmental, social, cultural, or economic significance. The vulnerability of the valued ecological features is a function of their sensitivity to particular stresses and their vulnerability to those stresses. We used the methodology to demonstrate how vulnerable marine areas for two groups of endangered whale species (inshore and offshore) could be identified with a predictive habitat model and acoustic stress surfaces. Acoustic stress surfaces were produced for ferry traffic, commercial shipping traffic, potential offshore oil production, and small‐boat traffic. The vulnerabilities of the two whale groups to the four stressors considered in this example were relatively similar; however, inshore species were more sensitive to on‐shelf, coastal activities such as offshore hydrocarbon production, ferry traffic, and small‐boat traffic. Our approach demonstrates how valued features can be associated with stresses and the likelihood of encountering these stresses (vulnerability) in order to identify geographic areas for management and conservation purposes. The method can be applied to any combination of valued ecological features and stressors.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,275
Écart entre enseignants0,238 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations135
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConservation BiologyMême sujetMarine animal studies overviewTravaux en français237 207