MétaCan
Menu
Retour à la cohorte
Enregistrement W3033248988 · doi:10.1111/gcb.15109

Global human influence maps reveal clear opportunities in conserving Earth’s remaining intact terrestrial ecosystems

2020· article· en· W3033248988 sur OpenAlexaff
Jason Riggio, Jonathan Baillie, Steven P. Brumby, Erle C. Ellis, Christina M. Kennedy, James R. Oakleaf, Alexander M. Tait, Therese L. Tepe, David M. Theobald, Oscar Venter, James Watson, Andrew P. Jacobson

Notice bibliographique

RevueGlobal Change Biology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesNational Geographic Society
Mots-clésBiomeTundraTerrestrial ecosystemEcosystemBorealEcologyGeographyBiodiversityTemperate climateGlobal changeClimate changeTaigaAridPhysical geographyEnvironmental scienceForestryBiology

Résumé

récupéré en direct d'OpenAlex

Leading up to the Convention on Biological Diversity Conference of the Parties 15, there is momentum around setting bold conservation targets. Yet, it remains unclear how much of Earth's land area remains without significant human influence and where this land is located. We compare four recent global maps of human influences across Earth's land, Anthromes, Global Human Modification, Human Footprint and Low Impact Areas, to answer these questions. Despite using various methodologies and data, these different spatial assessments independently estimate similar percentages of the Earth's terrestrial surface as having very low (20%-34%) and low (48%-56%) human influence. Three out of four spatial assessments agree on 46% of the non-permanent ice- or snow-covered land as having low human influence. However, much of the very low and low influence portions of the planet are comprised of cold (e.g., boreal forests, montane grasslands and tundra) or arid (e.g., deserts) landscapes. Only four biomes (boreal forests, deserts, temperate coniferous forests and tundra) have a majority of datasets agreeing that at least half of their area has very low human influence. More concerning, <1% of temperate grasslands, tropical coniferous forests and tropical dry forests have very low human influence across most datasets, and tropical grasslands, mangroves and montane grasslands also have <1% of land identified as very low influence across all datasets. These findings suggest that about half of Earth's terrestrial surface has relatively low human influence and offers opportunities for proactive conservation actions to retain the last intact ecosystems on the planet. However, though the relative abundance of ecosystem areas with low human influence varies widely by biome, conserving these last intact areas should be a high priority before they are completely lost.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,210
Score d'incertitude au seuil0,996

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)0,0050,001

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.

Tête enseignante Opus0,150
Tête enseignante GPT0,311
Écart entre enseignants0,161 · 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.

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

Citations170
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207