MétaCan
Menu
Retour à la cohorte
Enregistrement W2560131762 · doi:10.17520/biods.2015099

Analysis of change in the distances between global terrestrial protected areas and urban areas

2015· article· en· W2560131762 sur OpenAlexaboutno aff
Bian Fan, Keming Ma

Notice bibliographique

RevueBiodiversity Science · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesCentro Internacional de Agricultura TropicalUniversity of Cambridge
Mots-clésGeographyChinaEconomic geographyScale (ratio)Physical geographyCartographyArchaeology

Résumé

récupéré en direct d'OpenAlex

With the expansion of urban areas and protected areas (PAs), the distance between them is strongly declining.However, this phenomenon hasn't garnered much attention.The negative influences of urban areas on PAs have scaling effects, and with this distance decreasing, those negative influences may compound, therefore the distance between PAs and urban areas could be an important reference for measuring these negative influences.Based on spatial data of PAs, cities and urban areas, our study analyzed the changes in distance from PAs to urban areas between 1950 to 2010 at global, continental, regional and national scale.The results showed that: (1) at these four scales, the distance between PAs to urban areas were all declining.Europe (Western Europe) was the continent (region), which had the closest proximity of PAs and urban areas.On the contrary, Oceania (Australia and New Zealand) was the continent (region), which had the farthest proximity of these areas.Among the top 20 PAs countries, China had the nearest proximity, as the mean distance from PAs to cities with more than 50 thousand people was merely 143.5 km.(2) According to the current situation and changes in the distances between PAs and urban areas, the top 60 PAs countries can be divided into 5 categories: (a) the proximity was very near and the speed of changes was slow, such as Western European countries; (b) the proximity was near and the speed was moderate, such as China and America; (c) the proximity was relatively near and the speed was rapid, such as Saudi Arabia and Ecuador; (d) the proximity was relatively distant and the speed was relatively slow, such as Brazil, Canada and Russia; (e) the proximity was distant and the speed was relatively rapid, such as Australia and most African countries.(3)On a global scale, more and more PAs with high biodiversity are influenced by urbanization.This study may draw attention and awareness to the changing proximity between PAs and urban areas.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,063
Tête enseignante GPT0,251
Écart entre enseignants0,188 · 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'étudeObservationnel
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiodiversity ScienceMême sujetLand Use and Ecosystem ServicesTravaux en français237 207