Optimising different types of biodiversity coverage of protected areas with a case study using Himalayan Galliformes
Notice bibliographique
Résumé
International targets have committed governments to expanding the global protected area (PA) network to 17% of the terrestrial surface by 2020. Optimising PA placement in the landscape is challenging due to a poor knowledge of biodiversity distribution and multiple definitions of conservation value. We explore these two issues using a case study of a highly threatened bird Order in a region of conservation concern where PA network effectiveness for biodiversity has not been formally explored previously. To determine if the existing PA network protects the most important areas for 24 species of Himalayan Galliformes, we use a novel method to compare the current network placement to results produced from Zonation prioritisation software and modelled species distributions. Specifically, we identify areas of high species richness and then weight maps by three different species specific conservation values. The current PA network captures ranges poorly. We found statistically significantly poorer fits between the optimal and the existing placement of the Himalayan PA network for Zonation results that were: (i) unweighted; (ii) weighted by Red List score; and (iii) weighted by endemism to the Himalaya. Across these and two other Zonation results, the placement of the optimal PA network covered 58% more of Galliformes distributions than the existing network. We advocate some refinements to the existing PA network to maximise Galliformes coverage and suggest that our method could be used to model the optimal PA network for a wide range of species and/or regions, something which will support the assessment and attainment of CBD targets.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».