Integrating functional connectivity in designing networks of protected areas under climate change: A caribou case-study
Notice bibliographique
Résumé
Land-use change and climate change are recognized as two main drivers of the current biodiversity decline. Protected areas help safeguard the landscape from additional anthropogenic disturbances and, when properly designed, can help species cope with climate change impacts. When designed to protect the regional biodiversity rather than to conserve focal species or landscape elements, protected areas need to cover a representative sample of the regional biodiversity and be functionally connected, facilitating individual movements among protected areas in a network to maximize their effectiveness. We developed a methodology to define effective protected areas to implement in a regional network using ecological representativeness and functional connectivity as criteria. We illustrated this methodology in the Gaspésie region of Québec, Canada. We simulated movements for the endangered Atlantic-Gaspésie caribou population (Rangifer tarandus caribou), using an individual-based model, to determine functional connectivity based on this large mammal. We created multiple protected areas network scenarios and evaluated their ecological representativeness and functional connectivity for the current and future conditions. We selected a subset of the most effective network scenarios and extracted the protected areas included in them. There was a tradeoff between ecological representativeness and functional connectivity for the created networks. Only a few protected areas among those available were repeatedly chosen in the most effective networks. Protected areas maximizing both ecological representativeness and functional connectivity represented suitable areas to implement in an effective protected areas network. These areas ensured that a representative sample of the regional biodiversity was covered by the network, as well as maximizing the movement over time between and inside the protected areas for the focal population.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».