Towards decision-based global land use models for improved understanding of the Earth system
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. A primary goal of Earth system modelling is to improve understanding of the interactions and feedbacks between human decision making and biophysical processes. The nexus of land use and land cover change (LULCC) and the climate system is an important example. LULCC contributes to global and regional climate change, while climate affects the functioning of terrestrial ecosystems and LULCC. However, at present, LULCC is poorly represented in global circulation models (GCMs). LULCC models that are explicit about human behaviour and decision-making processes have been developed at local to regional scales, but the principles of these approaches have not yet been applied to the global scale level in ways that deal adequately with both direct and indirect feedbacks from the climate system. In this article, we explore current knowledge about LULCC modelling and the interactions between LULCC, GCMs and dynamic global vegetation models (DGVMs). In doing so, we propose new ways forward for improving LULCC representations in Earth system models. We conclude that LULCC models need to better conceptualise the alternatives for upscaling from the local to global scale. This involves better representation of human agency, including processes such as learning, adaptation and agent evolution, formalising the role and emergence of governance structures, institutional arrangements and policy as endogenous processes and better theorising about the role of teleconnections and connectivity across global networks. Our analysis underlines the importance of observational data in global-scale assessments and the need for coordination in synthesising and assimilating available data.
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.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle