Water Quality Monitoring to Support Cumulative Effects Assessment and Decision Making in the Mackenzie Valley, Northwest Territories, Canada
Notice bibliographique
Résumé
Project proponent- and government-led environmental monitoring are required to identify, understand, and manage cumulative effects (CE), yet such monitoring initiatives are rarely mutually supportive. Notwithstanding the need for a more integrated and complementary approach to monitoring, monitoring efforts are often less effective than intended for addressing CE. This paper examines current monitoring programs in the Mackenzie Valley, Northwest Territories, Canada, based on 7 attributes: consistency, compatibility, observability, detectability, adaptability, accessibility, and usability. Results indicate a tenuous link between and across proponent-led monitoring requirements under project-specific water licenses and government-led monitoring of regional baseline conditions. There is some consistency in what is monitored, but data are often incompatible, insufficient to understand baseline change, not transferable across projects or scales, inaccessible to end users, and ultimately unsuitable to understanding CE. Lessons from the Mackenzie Valley highlight the need for improved alignment of monitoring efforts across programs and scales, characterized by a set of common parameters that are most useful for early detection of cumulative change and supporting regulatory decisions at the project scale. This alignment must be accompanied by more open and accessible data for both proponents and regulators, while protecting the sensitivity of proprietary information. Importantly, there must be conceptual guidance for CE, such that the role of monitoring is clear, providing the types of CE questions to be asked, identifying the hypotheses to be tested, and ensuring timely and meaningful results to support regulatory decisions. © 2019 SETAC.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».