MétaCan
Menu
Retour à la cohorte
Enregistrement W3200743232 · doi:10.1139/facets-2020-0100

A systematic conservation planning approach to maintaining ecosystem service provision in working landscapes

2021· article· en· W3200743232 sur OpenAlexaffvenueabout
Jérôme Cimon-Morin, Jean‐Olivier Goyette, Poliana Mendes, Stéphanie Pellerin, Monique Poulin

Notice bibliographique

RevueFACETS · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversité de MontréalMcGill UniversityUniversité LavalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésEcosystem servicesProvisioningSustainabilityBusinessEnvironmental resource managementLand useService (business)Landscape planningEnvironmental planningComputer scienceRisk analysis (engineering)Process managementEcosystemEngineeringEcologyGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Balancing human well-being with the maintenance of ecosystem services (ES) for future generations has become one of the central sustainability challenges of the 21st century. In working landscapes, past and ongoing production-centered objectives have resulted in the conversion of ecosystems into simple land-use types, which has also altered the provision of most ES. These inevitable trade-offs between the efficient production of individual provisioning ES and the maintenance of regulating and cultural ES call for the development of a land-use strategy based on the multifunctional use of the landscape. Due to the heterogeneous nature of working landscapes, both protection and restoration actions are needed to improve their multifunctionality. Systematic conservation planning (SCP) offers a decision support framework that can support landscape multifunctionality by indicating where ES management efforts should be implemented. We describe an approach that we developed to include ES provision protection and restoration objectives in SCP with the goal of providing ongoing benefits to society. We explain the general framework of this approach and discuss concepts, challenges, innovations, and prospects for the further development of a comprehensive decision support tool. We illustrate our approach with two case studies implemented in the pan-Canadian project ResNet.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,229
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations15
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetLand Use and Ecosystem ServicesTravaux en français237 207