MétaCan
Menu
Retour à la cohorte
Enregistrement W2024123696 · doi:10.1016/j.marpol.2014.11.007

A global map to aid the identification and screening of critical habitat for marine industries

2014· article· en· W2024123696 sur OpenAlexaff
Corinne Martin, Melissa J. Tolley, Elizabeth J. Farmer, Chris McOwen, Jan Laurens Geffert, Jörn P. W. Scharlemann, Hannah Thomas, J.H. van Bochove, Damon Stanwell‐Smith, Jonathan Hutton, Ben Lascelles, John D. Pilgrim, Jonathan M. M. Ekstrom, Derek P. Tittensor

Notice bibliographique

RevueMarine Policy · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBiodiversityHabitatCritical habitatSeagrassMarine protected areaMarine habitatsGeographyEnvironmental resource managementMangroveGap analysis (conservation)SustainabilityFisheryMarine lifeIdentification (biology)EcologyEnvironmental scienceEndangered speciesBiology

Résumé

récupéré en direct d'OpenAlex

Marine industries face a number of risks that necessitate careful analysis prior to making decisions on the siting of operations and facilities. An important emerging regulatory framework on environmental sustainability for business operations is the International Finance Corporation’s Performance Standard 6 (IFC PS6). Within PS6, identification of biodiversity significance is articulated through the concept of “Critical Habitat”, a definition developed by the IFC and detailed through criteria aligned with those that support internationally accepted biodiversity designations. No publicly available tools have been developed in either the marine or terrestrial realm to assess the likelihood of sites or operations being located within PS6-defined Critical Habitat. This paper presents a starting point towards filling this gap in the form of a preliminary global map that classifies more than 13 million km2 of marine and coastal areas of importance for biodiversity (protected areas, Key Biodiversity Areas [KBA], sea turtle nesting sites, cold- and warm-water corals, seamounts, seagrass beds, mangroves, saltmarshes, hydrothermal vents and cold seeps) based on their overlap with Critical Habitat criteria, as defined by IFC. In total, 5798×103 km2 (1.6%) of the analysis area (global ocean plus coastal land strip) were classed as Likely Critical Habitat, and 7526×103 km2 (2.1%) as Potential Critical Habitat; the remainder (96.3%) were Unclassified. The latter was primarily due to the paucity of biodiversity data in marine areas beyond national jurisdiction and/or in deep waters, and the comparatively fewer protected areas and KBAs in these regions. Globally, protected areas constituted 65.9% of the combined Likely and Potential Critical Habitat extent, and KBAs 29.3%, not accounting for the overlap between these two features. Relative Critical Habitat extent in Exclusive Economic Zones varied dramatically between countries. This work is likely to be of particular use for industries operating in the marine and coastal realms as an early screening aid prior to in situ Critical Habitat assessment; to financial institutions making investment decisions; and to those wishing to implement good practice policies relevant to biodiversity management. Supplementary material (available online) includes other global datasets considered, documentation and justification of biodiversity feature classification, detail of IFC PS6 criteria/scenarios, and coverage calculations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,279
Écart entre enseignants0,263 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations52
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine PolicyMême sujetCoral and Marine Ecosystems StudiesTravaux en français237 207