MétaCan
Menu
← Retour à la cohorte
Enregistrement W3102467645 · doi:10.1101/2020.11.13.382101

Comparing global and regional maps of intactness in the boreal region of North America: Implications for conservation planning in one of the world’s remaining wilderness areas

2020· preprint· en· W3102467645 sur OpenAlexaffabout
Pierre Vernier, Shawn Leroux, Steve Cumming, Kim Lisgo, Alberto Suárez‐Esteban, Meg Krawchuck, Fiona K. A. Schmiegelow

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensYukon UniversityUniversité LavalMemorial University of NewfoundlandUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBiomeBorealTaigaWilderness areaGeographyDisturbance (geology)WildernessBoreal ecosystemVegetation (pathology)EcosystemPhysical geographyEcologyEnvironmental resource managementForestryEnvironmental scienceBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract Though North America’s boreal forest contains some of the largest remaining intact and wild ecosystems in the world, human activities are systematically reducing its extent. Consequently, forest intactness and human influence maps are increasingly used for monitoring and conservation planning in the boreal region. We compare eight forest intactness and human impact maps to provide a multi-model assessment of intactness in the boreal region. All maps are global in extent except for Global Forest Watch Canada’s Human Access (2000) and Intact Forest Landscapes (2000, 2013) maps, although some global maps are restricted to areas that were at least 20% treed. As a function of each map’s spatial coverage in North America, the area identified as intact ranged from 55% to 79% in Canada and from 32% to 96% in Alaska. Likewise, the similarity between pairs of datasets in the Canadian boreal ranged from 0.58 to 0.86 on a scale of 0-1. In total, 45% of the region was identified as intact by the seven most recent datasets. There was also variation in the ability of the datasets to account for anthropogenic disturbances that are increasingly common in the boreal region, such as those associated with resource extraction. In comparison to a recently developed high resolution regional disturbance dataset, the four human influence datasets (Human Footprint, Global Human Modification, Large Intact Areas, and Anthropogenic Biomes), in particular, omitted 59-85% of all linear disturbances and 54-89% of all polygonal disturbances. In contrast, the global IFL, Canadian IFL, and Human Access maps omitted 2-7% of linear disturbances and 0.1-5% of polygonal disturbances. Several differences in map characteristics, including input datasets and methods used to develop the maps may help explain these differences. Ultimately, the decision on which dataset to use will depend on the objectives of each specific conservation planning project, but we recommend using datasets that 1) incorporate regional anthropogenic activities, 2) are updated regularly, 3) provide detailed information of the methods and input data used, and 4) can be replicated and adapted for local use. This is especially important in landscapes that are undergoing rapid change due to development, such as the boreal forest of North America.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,653
Score d'incertitude au seuil0,689

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,240
Écart entre enseignants0,203 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFire effects on ecosystems→Travaux en français237 207→