MétaCan
Menu
Retour à la cohorte
Enregistrement W2138762061 · doi:10.1007/s13280-014-0509-8

Urban Ecosystem Services for Resilience Planning and Management in New York City

2014· review· en· W2138762061 sur OpenAlexaff
Timon McPhearson, Zoé A. Hamstead, Peleg Kremer

Notice bibliographique

RevueAMBIO · 2014
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensDepartment of Environment and Conservation
Organismes subventionnairesNew York Sea Grant, State University of New York
Mots-clésEcosystem servicesProvisioningRecreationBusinessEnvironmental resource managementResilience (materials science)Environmental planningContext (archaeology)Urban ecosystemEcosystem managementScale (ratio)Urban planningEcosystemEnvironmental scienceGeographyEcologyComputer science

Résumé

récupéré en direct d'OpenAlex

We review the current state of knowledge about urban ecosystem services in New York City (NYC) and how these services are regulated, planned for, and managed. Focusing on ecosystem services that have presented challenges in NYC-including stormwater quality enhancement and flood control, drinking water quality, food provisioning and recreation-we find that mismatches between the scale of production and scale of management occur where service provision is insufficient. Adequate production of locally produced services and services which are more accessible when produced locally is challenging in the context of dense urban development that is characteristic of NYC. Management approaches are needed to address scale mismatches in the production and consumption of ecosystem services. By coordinating along multiple scales of management and promoting best management practices, urban leaders have an opportunity to ensure that nature and ecosystem processes are protected in cities to support the delivery of fundamental urban ecosystem services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,032
Tête enseignante GPT0,278
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations177
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetLand Use and Ecosystem ServicesTravaux en français237 207