Modeling climate change impacts on tidal marsh birds: Restoration and conservation planning in the face of uncertainty
Notice bibliographique
Résumé
The large uncertainty surrounding the future effects of sea‐level rise and other aspects of climate change on tidal marsh ecosystems exacerbates the difficulty in planning effective conservation and restoration actions. We addressed these difficulties in the context of large‐scale wetland restoration activities underway in the San Francisco Estuary (Suisun, San Pablo and San Francisco Bays). We used a boosted regression tree approach to project the future distribution and abundance of five marsh bird species (through 2110) in response to changes in habitat availability and suitability as a result of projected sea‐level rise, salinity, and sediment availability in the Estuary. To bracket the uncertainty, we considered four future scenarios based on two sediment availability scenarios (high or low), which varied regionally, and two rates of sea‐level rise (0.52 or 1.65 m/100 yr). We evaluated three approaches for using model results to inform the selection of potential restoration projects: (1) Use current conditions only to prioritize restoration. (2) Use a single future scenario (among the four referred to above) in combination with current conditions to select priority restoration projects. (3) Combine current conditions with all four future scenarios, while incorporating uncertainty among future scenarios into the selection of restoration projects. We found that simply using current conditions resulted in the poorest performing restoration projects selected in terms of providing habitat for tidal marsh birds in light of possible future scenarios. The most robust method for selecting restoration projects, the “combined” strategy, used projections from all future scenarios with a discounting of areas with high levels of variability among future scenarios. We show that uncertainty about future conditions can be incorporated in site prioritization algorithms and should motivate the selection of adaptation measures that are robust to uncertain future conditions. These results and data have been made available via an interactive decision support tool at www.prbo.org/sfbayslr .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».