Analysis of change in the distances between global terrestrial protected areas and urban areas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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)
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle