Selecting and applying indicators of ecosystem collapse for risk assessments
Notice bibliographique
Résumé
Ongoing ecosystem degradation and transformation are major threats to biodiversity. Measuring ecosystem change toward collapse relies on monitoring indicators that quantify key ecological processes. Yet little guidance is available on selection and use of indicators for ecosystem risk assessment. We reviewed indicator use in ecological studies of ecosystem collapse in marine pelagic and temperate forest ecosystems. We examined indicator-selection methods, indicator types (geographic distribution, abiotic, biotic), methods of assessing multiple indicators, and temporal quality of time series. We compared how these factors were applied in the ecological studies with how they were applied in risk assessments by using the International Union for Conservation of Nature's Red List of Ecosystems (RLE), for which indicators are used to estimate risk of ecosystem collapse. Ecological studies and RLE assessments rarely reported how indicators were selected, particularly in terrestrial ecosystems. Few ecological studies and RLE assessments quantified ecosystem change based on all 3 indicator types, and indicators types used differed between marine and terrestrial ecosystems. Several studies used indices or multivariate analyses to assess multiple indicators simultaneously, but RLE assessments did not because as RLE guidelines advise against them. Most studies and RLE assessments used time-series data that spanned at least 30 years, which increases the probability of reliably detecting change. Limited use of indicator-selection protocols and infrequent use of all 3 indicator types may hamper accurate detection of change. To improve the value of risk assessments for informing policy and management, we recommend using explicit protocols, including conceptual models, to identify and select indicators; a range of indicators spanning distributional, abiotic, and biotic features; indices and multivariate analyses with extreme care until guidelines are developed; time series with sufficient data to increase ability to accurately diagnose directional change; data from multiple sources to support assessments; and explicitly reporting steps in the assessment process.
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 | 0,147 | 0,222 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,019 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».