Rating impacts in a multi‐stressor world: a quantitative assessment of 50 stressors affecting the Great Lakes
Notice bibliographique
Résumé
Ecosystems often experience multiple environmental stressors simultaneously that can differ widely in their pathways and strengths of impact. Differences in the relative impact of environmental stressors can guide restoration and management prioritization, but few studies have empirically assessed a comprehensive suite of stressors acting on a given ecosystem. To fill this gap in the Laurentian Great Lakes, where considerable restoration investments are currently underway, we used expert elicitation via a detailed online survey to develop ratings of the relative impacts of 50 potential stressors. Highlighting the multiplicity of stressors in this system, experts assessed all 50 stressors as having some impact on ecosystem condition, but ratings differed greatly among stressors. Individual stressors related to invasive and nuisance species (e.g., dreissenid mussels and ballast invasion risk) and climate change were assessed as having the greatest potential impacts. These results mark a shift away from the longstanding emphasis on nonpoint phosphorus and persistent bioaccumulative toxic substances in the Great Lakes. Differences in impact ratings among lakes and ecosystem zones were weak, and experts exhibited surprisingly high levels of agreement on the relative impacts of most stressors. Our results provide a basin-wide, quantitative summary of expert opinion on the present-day influence of all major Great Lakes stressors. The resulting ratings can facilitate prioritizing stressors to achieve management objectives in a given location, as well as providing a baseline for future stressor impact assessments in the Great Lakes and elsewhere.
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 | 0,000 | 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) | 0,003 | 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 ».