Quantifying Ecosystem Services in an Agricultural Region in Southern Ontario Using a GIS-Based Approach and Open Source Data
Notice bibliographique
Résumé
There has been a land use battle in Pickering, Ontario between conservation groups and Transport Canada over the development of another International Airport in Southern Ontario on valuable farmland. The purpose of this research is to quantitatively assess the claims made by the conservation groups about the importance of the local farmland for maintaining the area’s water quality. The research has three objectives: (1) to determine whether or not the use of publicly available data and a GIS-based approach is appropriate for an ecosystem services survey related to water quality and nutrient loading in the area of the proposed airport; (2) to examine the relationship between crop yield and nutrient loading to understand if the ecosystem disservice related to excess nutrient export can be reduced without reducing crop yield; (3) to make spatially explicit recommendations on mitigating efforts that farmers in the PLA region take to reduce nutrient loading for both nitrogen and phosphorus. The results of this study suggest that the coarse resolution of publicly available data results in multicollinearity that renders the GIS-approach ineffective at quantifying spatial relationships among ecosystem (dis)services at this spatial scale. The GIS-based nutrient indices approach will likely be more effective at larger (e.g. multiple counties, provincial) spatial scales and is still a useful tool for identifying key areas for prioritizing the implementation of agricultural best management practices. The most affective mitigating efforts to reduce nutrient loading include changing fertilizer application methods to non-broadcast methods and to improve land use types in areas that are close to surface waters and headwaters.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».