Merged phytosociological and geographical approach for multiple scale vegetation mapping as a baseline for public environmental policy in Mexico
Notice bibliographique
Résumé
Abstract Questions What is the potential use of maps derived from a merged geographical and phytosociological approach to support the design of public environmental policies? Do these approaches and data sources deliver complementary land‐cover/vegetation maps? Objective The present article documents a joint phytosociological and geographical approach to improve vegetation cartography in temperate‐tropical transitional ecosystems. Location The research was conducted at national (Mexico) and state (Michoacán) scales. Mexico and Michoacán have been recognized as regions of high eco‐geographical complexity, where temperate‐tropical conditions intermingle, creating large eco‐socio‐cultural mosaics. Methods Data from 268 field verification sites and 223 relevés surveyed during the last two decades and recent land cover sources were used as the main inputs. The results were further validated by three workshops with local botanists and field verification during 2021. Results At the national level, Mexico's forests, shrubs, herbs, and non‐vascular major formation classes were hierarchically split by dominant life forms and prevailing climatic affiliations. At the state level, these major formation classes split into 19 sub‐formations, of which 15 were forest communities. Conclusions We discuss the scientific challenge of transitioning from land cover into vegetation maps and (dis)similarities of approaches reviewing concepts and analytical (quanti)qualitative instruments. The paper contrasts the present output with the experiences of other countries such as Canada, the United States, Bolivia, and Colombia. Finally, the results are discussed in light of their relevance for constructing public environmental policies, such as land use planning, establishment of protected areas, allocation of incentives for sustainable environmental services, and long‐term conservation practices.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».