Inland surface waters in protected areas globally: Current coverage and 30-year trends
Notice bibliographique
Résumé
Inland waters are unique ecosystems offering services and habitat resources upon which many species depend. Despite the importance of, and threats to, inland water, global assessments of protected area (PA) coverage and trends have focused on land habitats or have assessed land and inland waters together. We here provide the first assessment of the level of protection of inland open surface waters and their trends (1984-2015) within PAs for all countries, using a globally consistent, high-resolution (30 m) and validated dataset on permanent and seasonal surface waters based on Landsat images. Globally, 15% of inland surface waters are covered by PAs with mapped boundaries. Estimated inland water protection increases to 16.4% if PAs with reported area but delineated only as points are included as circular buffers. These coverage estimates slightly exceed the comparable figure for land but fall below the 17% goal of the Convention on Biological Diversity's Aichi Target 11 for 2020. Protection levels are very uneven across countries, half of which do not yet meet the 17% target. The lowest coverage of surface water by PAs (<5%) was found in Africa and in parts of Asia. There was a global trend of permanent water losses and seasonal water gains within PAs, concomitant with an increase of both water types outside PAs. In 38% of countries, PAs lost over 5% of permanent water. Global protection targets for inland waters may well be met by 2020, but much stronger efforts are required to ensure their effective conservation, which will depend not only on sound PA governance and management but also on the sustainable use of water resources outside PAs. Given the pressures on water in a rapidly changing world, integrated management planning of water resources involving multiple sectors and entire basins is therefore necessary.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».