Prioritizing threat management across terrestrial and freshwater realms for species conservation and recovery
Notice bibliographique
Résumé
Abstract The need to manage threats to biodiversity, and to do so cost‐effectively, is urgent. Cross‐realm conservation management is recognized as a cost‐effective approach, but it requires collaboration between agencies and jurisdictions, and local knowledge of anthropogenic threats to biodiversity. With its emphasis on stakeholder engagement and use of structured expert elicitation, Priority Threat Management (PTM) facilitates rapid, cross‐realm planning at the regional scale. We used PTM to identify cost‐effective management strategies with the aim of securing nine ecological groups, comprised of 45 species and one ecological community of conservation concern, across terrestrial and freshwater realms within the Wolastoq|Saint John River watershed in Canada. Under business‐as‐usual, four of nine groups are expected to have >50% probability of persistence over the next 25 years. Investment of $141 million over 25 years in three management strategies could secure seven groups across both realms with >50% probability of persistence. Achieving higher levels of persistence comes at a cost—securing six groups with >60% probability of persistence requires investing $218 million over 25 years in seven strategies. Through a structured, iterative process, whereby stakeholders cooperate to clarify objectives, devise management strategies, and collate data, PTM can support timely and cost‐effective management across multiple realms.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».