MétaCan
Menu
Retour à la cohorte
Enregistrement W4298623029 · doi:10.1002/ldr.4484

Experience in application and adaptation of the land degradation neutrality concept in the Russian Federation

2022· article· en· W4298623029 sur OpenAlexaff
Г. С. Куст, О. В. Андреева, Vasiliy Lobkovskiy, Jamal Annagylyjova

Notice bibliographique

RevueLand Degradation and Development · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland Management and Livestock Ecology
Établissements canadiensTreasury Board of Canada Secretariat
Organismes subventionnairesMinistry of Science and Higher Education of the Russian Federation
Mots-clésLand degradationLand coverEnvironmental resource managementSustainable land managementBaseline (sea)Land managementValuation (finance)Land useComputer scienceEnvironmental scienceBusinessAccountingPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract The paper provides an overview of the—evolving methodology for the land degradation neutrality (LDN) assessment based on studies at national, regional, and local levels in Russia. A review of more than one hundred publications in Russian language over the past 6–7 years allowed for analysis of the following areas: LDN terminology, LDN assessment at different levels, adapting a transition matrix; using the LDN concept for economic valuation of land, estimating LDN baseline, and using LDN as an integral indicator for sustainable land management. With the LDN concept, a global approach to monitoring land degradation has become applicable beyond the limited geographic scope of the drylands. The paper observes how the LDN concept has been broadened with the introduction of the LDN Index proposed to evaluate the rate of LDN achievement; a proposal on reconstructing transition matrices and adding land cover sub‐categories; approach of integrating traditional national sectoral systems for assessing land quality with an LDN add‐on. The broader relevance of the paper includes the justification that it provides for using the LDN concept by policy‐makers at national and subnational levels, in particular in Russian‐speaking countries. It includes the application of additional indicators to capture soil erosion, salinity, soil depletion, aridity, etc., and using different site‐specific LDN baselines, not only those time‐based but also factoring natural background trends like climate change, natural succession cycles linked with geological and geomorphological processes. Approaches for LDN‐based economic valuation of lands and typology of sustainable land management practices and models were also fruitful.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,235
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLand Degradation and DevelopmentMême sujetRangeland Management and Livestock EcologyTravaux en français237 207