Cross‐scale monitoring and assessment of land degradation and sustainable land management: A methodological framework for knowledge management
Notice bibliographique
Résumé
Abstract For land degradation monitoring and assessment (M&A) to be accurate and for sustainable land management (SLM) to be effective, it is necessary to incorporate multiple knowledges using a variety of methods and scales, and this must include the (potentially conflicting) perspectives of those who use the land. This paper presents a hybrid methodological framework that builds on approaches developed by UN Food & Agriculture Organisation's land degradation Assessment in Drylands (LADA), the World Conservation Approaches and Technologies (WOCAT) programme and the Dryland Development Paradigm (DDP), and is being applied internationally through the EU‐funded DESIRE project. The framework suggests that M&A should determine the progress of SLM towards meeting sustainability goals, with results continually and iteratively enhancing SLM decisions. The framework is divided into four generic themes: (i) establishing land degradation and SLM context and sustainability goals; (ii) identifying, evaluating and selecting SLM strategies; (iii) selecting land degradation and SLM indicators and (iv) applying SLM options and monitoring land degradation and progress towards sustainability goals. This approach incorporates multiple knowledge sources and types (including land manager perspectives) from local to national and international scales. In doing so, it aims to provide outputs for policy‐makers and land managers that have the potential to enhance the sustainability of land management in drylands, from the field scale to the region, and to national and international levels. The paper draws on operational experience from across the DESIRE project to break the four themes into a series of methodological steps, and provides examples of the range of tools and methods that can be used to operationalise each of these steps. Copyright © 2011 John Wiley & Sons, Ltd.
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 | 0,078 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,019 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,028 |
| Communication savante | 0,021 | 0,017 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».