Mapping ecological risks with a portfolio‐based technique: incorporating uncertainty and decision‐making preferences
Notice bibliographique
Résumé
Abstract Aim Geographic mapping of risks is a useful analytical step in ecological risk assessments and in particular, in analyses aimed to estimate risks associated with introductions of invasive organisms. In this paper, we approach invasive species risk mapping as a portfolio allocation problem and apply techniques from decision theory to build an invasion risk map that combines risk and uncertainty in a single map product. Location Canada. Methods We divide the study area into a set of spatial domains and treat each domain as an individual ‘portfolio’ with a unique distribution of the expected impacts of invasion. The risk of invasion is then mapped by finding nested ‘efficient’ portfolio sets that identify the geographic areas exhibiting the worst combinations of the estimated risk of invasion and the uncertainty in that estimate. For C anadian municipalities, we apply the approach to quantify the risk that a given location will receive invasive forest pests with commercial freight transported via the N orth A merican road network. We compare risk allocation techniques that employ the concepts of nested mean‐variance ( M‐V ) frontiers and second‐degree stochastic dominance. Results While both methods based on M‐V and the stochastic dominance principles identified similar areas of highest risk, they differed in how they demarcated moderate‐risk areas. Furthermore, they address uncertainty in different ways, treating it as a risk premium (in the case of nested M‐V frontiers) or producing risk‐averse delineations (in the case of stochastic dominance). Main conclusions The portfolio‐based approach offers a viable strategy for dealing with the typically wide variability in risk estimates caused by a lack of knowledge about a new invader. The methodology also provides a tractable way of incorporating decision‐making preferences into the final risk estimates and thus better aligns risk assessments with particular decision‐making scenarios about the organism of concern.
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 | 0,000 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».