Prioritizing Management for Cumulative Impacts
Notice bibliographique
Résumé
Abstract Determining where environmental management is best applied, either through regulating single sectors of human activities or across sectors, is complicated by interactions between human impacts and the environment. In this article, we show how an explicit representation of human-environment interactions can help, via “impact networks” including activities (e.g. shipping), stressors (e.g. ship strikes), species (e.g. humpback whales) or ecosystem services (e.g. marine recreation). Impact networks can enable the identification of “leverage nodes”, which, if present, can direct managers to the activities and stressors crucial for reducing risk to important ecosystem components. Exploring an impact network for a coastal ecosystem in British Columbia, Canada, we seek to identify these leverage nodes using a new approach employing Bayesian Belief Networks of risks to ecosystems. In so doing, we address three key questions: (1) Do leverage nodes exist? (2) Do management plans for species correctly identify leverage nodes? (3) Does the management of leverage nodes for certain species realize benefits for other species and ecosystem services? We show that there are several leverage nodes across all species investigated, and show that preconceptions about the regulation of risk to species can misidentify leverage nodes, potentially leading to ineffective management. Notably, we show that managing fisheries does not reduce overall risk to herring whereas managing diverse cumulative impacts including nutrient runoff, oil spills, and marine debris can reduce risk to herring, additional species, and related ecosystem services. Thus, by targeting leverage nodes, managers can efficiently mitigate risks for whole communities, ecosystems, and ecosystem services.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».