Rates of Disturbance vary by data resolution: implications for conservation schedules using the Alberta Boreal Forest as a case study
Notice bibliographique
Résumé
Investigations of biophysical changes on earth caused by anthropogenic disturbance provide governments with tools to generate sustainable development policy. Canada currently experiences one of the fastest rates of boreal forest disturbance in the world. Plans to conserve the 330 000 km(2) boreal forest in the province of Alberta exist but conservation targets and schedules must be aligned with rates of forest disturbance. We explore how disturbance rate, and the accuracy with which we detect it, may affect conservation success. We performed a change detection analysis from 1992 to 2008 using Landsat and SPOT satellite image data processing. Canada's recovery strategy for boreal caribou (Rangifer tarandus caribou) states that ≤35% of a caribou range can be either burned or within 500 m of a man-made feature for caribou to recover. Our analyses show that by 2008 78% of the boreal forest was disturbed and that, if the current rate continues, 100% would be disturbed by 2028. Alberta plans to set aside 22% for conservation in a region encompassing oil sands development to balance economic, environmental, and traditional indigenous land-use goals. Contrary to the federal caribou recovery strategy, provincial conservation plans do not consider wildfire a disturbance. Based on analyses used in the provincial plan, we apply a 250 m buffer around anthropogenic footprints. Landsat image analysis indicates that the yearly addition of disturbance is 714 km(2) (0.8%). The higher resolution SPOT images show fine-scale disturbance indicating that actual disturbance was 1.28 times greater than detected by Landsat. If the SPOT image based disturbance rates continue, the 22% threshold may be exceeded within the next decade, up to 20 years earlier than indicated by Landsat-based analysis. Our results show that policies for sustainable development will likely fail if governments do not develop time frames that are grounded by accurate calculations of disturbance rates.
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 | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».