Combining high-resolution remotely sensed data with local and Indigenous Knowledge to model the landscape suitability of culturally modified trees: biocultural stewardship in Kitasoo/Xai’xais Territory
Notice bibliographique
Résumé
Environmental management and monitoring must reconcile social and cultural objectives with biodiversity stewardship to overcome political barriers to conservation. Suitability modelling offers a powerful tool for such “biocultural” approaches, but examples remain rare. Led by the Stewardship Authority of the Kitasoo/Xai’xais First Nation in coastal British Columbia, Canada, we developed a locally informed suitability model for a key biocultural indicator, culturally modified trees (CMTs). CMTs are trees bearing evidence of past cultural use that are valued as tangible markers of Indigenous heritage and protected under provincial law. Using a spatial multi-criteria evaluation framework to predict CMT suitability, we developed two cultural predictor variables informed by Kitasoo/Xai’xais cultural expertise and ethnographic data in addition to six biophysical variables derived from LiDAR and photo interpretation data. Both cultural predictor variables were highly influential in our model, revealing that proximity to known habitation sites and accessibility to harvesters (by canoe and foot) more strongly influenced suitability for CMTs compared with site-level conditions. Applying our model to commercial forestry governance, we found that high CMT suitability areas are 51% greater inside the timber harvesting land base than outside. This work highlights how locally led suitability modelling can improve the social and evidentiary dimensions of environmental management.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».