Which ecosystems provide which services? A meta-analysis of nine selected ecosystem services assessments
Notice bibliographique
Résumé
For ecosystem measurement frameworks to be accepted, operationalised and implemented by diverse international communities, clear and agreeable concepts and classifications are essential. This paper analyses and develops two foundational typology challenges within ecosystem measurement: the classification of ecosystems and the classification of their services. Our aim is to determine if there is sufficient consensus to ascertain “Which ecosystems provide which services?” for standardised ecosystem accounting. This paper first compares classifications used in nine selected ecosystem assessments as input studies that make value statements about multiple ecosystems providing multiple ecosystem services. Given that these nine studies do not use identical concepts, classifications and terminologies, we develop “supersets” that can accommodate the diversity of classifications used in these input studies. Each input study is then corresponded to these new supersets. On the basis of this analysis, substantial consensus was found that some ecosystems are more likely to provide certain services than others are. However, for several ecosystem types, there was little or no consensus on which services they provide. Linkages for which there is consensus can serve as a checklist for future ecosystem services assessments. Both the framework of the supersets and the correspondence and visual methods developed will be useful for integrating information at different scales (for example, linkages from local, ecosystem-specific and ecosystem services-specific studies). This paper also provides guidance to future ecosystem services assessments to use, test and extend the current classifications of ecosystems and ecosystem services.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».