Mapping the planet’s critical natural assets
Notice bibliographique
Résumé
Abstract Sustaining the organisms, ecosystems, and processes that underpin human well-being is necessary to achieve sustainable development. Here we identify critical natural assets, natural and semi-natural ecosystems that provide 90% of the total current magnitude of 14 types of nature’s contributions to people (NCP). Critical natural assets for maintaining local-scale NCP (12 of the 14 NCP mapped) comprise 30% of total global land area and 24% of national territorial waters, while 44% of land area is required for maintaining all NCP (including those that accrue at the global scale, carbon storage and moisture recycling). At least 87% of the world’s population lives in the areas benefiting from critical natural assets for local-scale NCP, while only 16% lives on the lands containing these assets. Critical natural assets also overlap substantially with areas important for biodiversity (covering area requirements for 73% of birds and 66% of mammals) and cultural diversity (representing 96% of global Indigenous and non-migrant languages). Many of the NCP mapped here are left out of international agreements focused on conserving species or mitigating climate change, yet this analysis shows that explicitly prioritizing critical natural assets for NCP could simultaneously advance development, climate, and conservation goals. Crafting policy and investment strategies that protect critical natural assets is essential for sustaining human well-being and securing Earth’s life support systems.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 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 ».