MétaCan
Menu
← Retour à la cohorte
Enregistrement W216054243 · doi:10.1371/journal.pone.0126918

Reserve Design under Climate Change: From Land Facets Back to Ecosystem Representation

2015· article· en· W216054243 sur OpenAlexafffundabout
Richard R. Schneider, Erin M. Bayne

Notice bibliographique

RevuePLoS ONE · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta Biodiversity Monitoring Institute
Mots-clésEcosystemClimate changeAbiotic componentRepresentation (politics)Environmental scienceEnvironmental resource managementEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Ecosystem distributions are expected to shift as a result of global warming, raising concerns about the long-term utility of reserve systems based on coarse-filter ecosystem representation. We tested the extent to which proportional ecosystem representation targets would be maintained under a changing climate by projecting the distribution of the major ecosystems of Alberta, Canada, into the future using bioclimatic envelope models and then calculating the composition of reserves in successive periods. We used the Marxan conservation planning software to generate the suite of reserve systems for our test, varying the representation target and degree of reserve clumping. Our climate envelope projections for the 2080s indicate that virtually all reserves will, in time, be comprised of different ecosystem types than today. Nevertheless, our proportional targets for ecosystem representation were maintained across all time periods, with only minor exceptions. We hypothesize that this stability in representation arises because ecosystems may be serving as proxies for land facets, the stable abiotic landscape features that delineate major arenas of biological activity. The implication is that accommodating climate change may not require abandoning the conventional ecosystem-based approach to reserve design in favour of a strictly abiotic approach, since the two approaches may be largely synonymous.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,344
Tête enseignante GPT0,299
Écart entre enseignants0,045 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSpecies Distribution and Climate Change→Travaux en français237 207→