Framing the concept of satellite remote sensing essential biodiversity variables: challenges and future directions
Notice bibliographique
Résumé
Abstract Although satellite‐based variables have for long been expected to be key components to a unified and global biodiversity monitoring strategy, a definitive and agreed list of these variables still remains elusive. The growth of interest in biodiversity variables observable from space has been partly underpinned by the development of the essential biodiversity variable (EBV) framework by the Group on Earth Observations – Biodiversity Observation Network, which itself was guided by the process of identifying essential climate variables. This contribution aims to advance the development of a global biodiversity monitoring strategy by updating the previously published definition of EBV, providing a definition of satellite remote sensing (SRS) EBVs and introducing a set of principles that are believed to be necessary if ecologists and space agencies are to agree on a list of EBVs that can be routinely monitored from space. Progress toward the identification of SRS‐EBVs will require a clear understanding of what makes a biodiversity variable essential, as well as agreement on who the users of the SRS‐EBVs are. Technological and algorithmic developments are rapidly expanding the set of opportunities for SRS in monitoring biodiversity, and so the list of SRS‐EBVs is likely to evolve over time. This means that a clear and common platform for data providers, ecologists, environmental managers, policy makers and remote sensing experts to interact and share ideas needs to be identified to support long‐term coordinated actions.
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 | 0,060 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,035 |
| Communication savante | 0,016 | 0,034 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».