MétaCan
Menu
Retour à la cohorte
Enregistrement W2972753572 · doi:10.1016/j.pecon.2019.08.002

Beyond canaries in coal mines: Co-occurrence of Andean mining concessions and migratory birds

2019· article· en· W2972753572 sur OpenAlexafffundabout
Amanda D. Rodewald, Matthew Strimas‐Mackey, Richard Schuster, Peter Arcese

Notice bibliographique

RevuePerspectives in Ecology and Conservation · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensUniversity of British ColumbiaCarleton UniversityUniversity of Northern British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaLiber Ero FoundationArkansas Biosciences InstituteMicrosoft ResearchLeon Levy FoundationNational Science FoundationMicrosoftNational Aeronautics and Space Administration
Mots-clésGeographyFlycatcherBiodiversityPopulationEcologyBiodiversity hotspotEnvironmental protectionBiology

Résumé

récupéré en direct d'OpenAlex

Spatial planning and decision-support tools facilitate the consideration of socioecological tradeoffs associated with extractive activities, but insufficient data resources often limit their application. Focusing on birds and mining concessions in the Northern Andes, we illustrate how publicly-available data can be used in spatial prioritization tools to identify where concessions have the potential to impact 22 species of Neotropical migratory birds. Concessions covered 11% of the land area of Colombia, Ecuador, and Peru, and disproportionately occurred within important areas for migratory birds in Colombia and Ecuador, but not Peru. eBird data showed that one-quarter of avian species, including the Olive-sided Flycatcher, Cerulean Warbler, and Canada Warbler, had >10% of their global populations on concession land during the non-breeding season. More worrisome, species of greater conservation importance and with larger population declines (1974–2014) were most likely to co-occur with mining. Our approach highlights how public biodiversity data can be used to predict, avoid, or mitigate potential ecological impacts from extractive activities.

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 enseignants0,024
Score d'incertitude au seuil0,992

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 Opus0,010
Tête enseignante GPT0,262
Écart entre enseignants0,252 · 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

Citations8
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePerspectives in Ecology and ConservationMême sujetWildlife-Road Interactions and ConservationTravaux en français237 207