MétaCan
Menu
Retour à la cohorte
Enregistrement W2956461521 · doi:10.3390/f10070581

If They Come, Where will We Build It? Land-Use Implications of Two Forest Conservation Policies in the Deep Creek Watershed

2019· article· en· W2956461521 sur OpenAlexafffundabout
Markandu Anputhas, John Janmaat, Craig Nichol, Xiaohua Wei

Notice bibliographique

RevueForests · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesBritish Columbia Ministry of Agriculture and Lands
Mots-clésLand useWatershedLand use, land-use change and forestryLand developmentAgricultural landGeographyAgriculturePopulationAgroforestryEnvironmental resource managementEnvironmental scienceEcology

Résumé

récupéré en direct d'OpenAlex

Research Highlights: Forest conservation policies can drive land-use change to other land-use types. In multifunctional landscapes, forest conservation policies will therefore impact on other functions delivered by the landscape. Finding the best pattern of land use requires considering these interactions. Background and Objectives: Population growth continues to drive the development of land for urban purposes. Consequently, there is a loss of other land uses, such as agriculture and forested lands. Efforts to conserve one type of land use will drive more change onto other land uses. Absent effective collaboration among affected communities and relevant institutional agents, unexpected and undesirable land-use change may occur. Materials and Methods: A CLUE-S (Conversion of Land Use and its Effects at Small Scales) model was developed for the Deep Creek watershed, a small sub-basin in the Okanagan Valley of British Columbia, Canada. The valley is experiencing among the most rapid population growth of any region in Canada. Land uses were aggregated into one forested land-use type, one urban land-use type, and three agricultural types. Land-use change was simulated for combinations of two forest conservation policies. Changes are categorized by location, land type, and an existing agricultural land policy. Results: Forest conservation policies drive land conversion onto agricultural land and may increase the loss of low elevation forested land. Model results show where the greatest pressure for removing land from agriculture is likely to occur for each scenario. As an important corridor for species movement, the loss of low elevation forest land may have serious impacts on habitat connectivity. Conclusions: Forest conservation policies that do not account for feedbacks can have unintended consequences, such as increasing conversion pressures on other valued land uses. To avoid surprises, land-use planners and policy makers need to consider these interactions. Models such as CLUE-S can help identify these spatial impacts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetLand Use and Ecosystem ServicesTravaux en français237 207