Influence of Representation Targets on the Total Area of Conservation‐Area Networks
Notice bibliographique
Résumé
Systematic conservation planning typically requires specification of quantitative representation targets for biodiversity surrogates such as species, vegetation types, and environmental parameters. Targets are usually specified either as the minimum total area in a conservation-area network in which a surrogate must be present or as the proportion of a surrogate's existing spatial distribution required to be in the network. Because the biological basis for setting targets is often unclear, a better understanding of how targets affect selection of conservation areas is needed. We studied how the total area of conservation-area networks depends on percentage targets ranging from 5% to 95%. We analyzed 12 data sets of different surrogate distributions from 5 regions: Korea, Mexico, Québec, Queensland, and West Virginia. To assess the effect of spatial resolution on the target-area relationship, we also analyzed each data set at 7 spatial resolutions ranging from 0.01 degrees x 0.01 degrees to 0.10 degrees x 0.10 degrees. Most of the data sets showed a linear relationship between representation targets and total area of conservation-area networks that was invariant across changes in spatial resolution. The slope of this relationship indicated how total area increased with target level, and our results suggest that greater surrogate representation requires significantly more area. One data set exhibited a highly nonlinear relationship. The results for this data set suggest a new method for setting targets on the basis of the functional form of target-area relationships. In particular, the method shows how the target-area relationship can provide a rationale for setting targets solely on the basis of distributional information about surrogates.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».