MétaCan
Menu
Retour à la cohorte
Enregistrement W4297536966 · doi:10.1016/j.tree.2022.09.002

Demystifying ecological connectivity for actionable spatial conservation planning

2022· review· en· W4297536966 sur OpenAlexafffund
Maria Beger, Anna Meta×as, Arieanna C. Balbar, Jennifer McGowan, Rémi Daigle, Caitlin D. Kuempel, Eric A. Treml, Hugh P. Possingham

Notice bibliographique

RevueTrends in Ecology & Evolution · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans CanadaDalhousie University
Organismes subventionnairesAustralian Research CouncilNatural Sciences and Engineering Research Council of CanadaInstitut Nordique De Recherche En Environnement Et En Santé Au TravailConsortium for Energy, Environment and DemilitarizationFisheries and Oceans CanadaUniversity of LeedsNature ConservancyUniversity of MelbourneCentre of Excellence for Environmental Decisions, Australian Research Council
Mots-clésGeographyEnvironmental resource managementEcologyEnvironmental planningEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Connectivity underpins the persistence of life; it needs to inform biodiversity conservation decisions. Yet, when prioritising conservation areas and developing actions, connectivity is not being operationalised in spatial planning. The challenge is the translation of flows associated with connectivity into conservation objectives that lead to actions. Connectivity is nebulous, it can be abstract and mean different things to different people, making it difficult to include in conservation problems. Here, we show how connectivity can be included in mathematically defining conservation planning objectives. We provide a path forward for linking connectivity to high-level conservation goals, such as increasing species' persistence. We propose ways to design spatial management areas that gain biodiversity benefit from connectivity.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,881
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0620,000

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 Opus0,150
Tête enseignante GPT0,368
Écart entre enseignants0,218 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations158
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTrends in Ecology & EvolutionMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207