Meeting Human and Biodiversity Needs for 30 × 30 and beyond with an Iterative Land Allocation Framework and Tool
Notice bibliographique
Résumé
Spatial conservation prioritization does not necessarily lead to effective conservation plans, and good plans do not necessarily lead to action. These “science-action” gaps are pernicious and need to be narrowed, especially if the international goal of conserving 30% of the planet by 2030 is to be realized. We present the Earthwise Framework, a flexible and customizable spatial decision support system (SDSS) architecture and social process to address the challenges of these science-action gaps. Utilizing case study experience from regions within California, South Africa, and British Columbia, we outline the framework and provide the Little Karoo, South Africa SDSS data, code and results to illustrate five design strategies of the framework. The first is to employ an “open science” strategy for collaborative conservation planning and action. Another is that marginal value functions allow for the continuous accounting of element (e.g., habitat) representation in prioritization algorithms, allowing for an SDSS that is more automated and saves valuable time for stakeholders and scientists. Thirdly, we program connectivity modeling integrated within the SDSS, with an algorithm that not only automatically calculates all the least cost corridors of a region, but prioritizes among them and removes the ones that do not make ecological sense. Fourth, we highlight innovations in multi-criteria decision analysis that allow for both cost-efficient plan development, like representative solution sets, but also land-use planning requirements, like site specific valuation, in what appears to be a more transparent, understandable, and usable manner than traditional approaches. Finally, strategic attention to communicating uncertainty is also advocated. The Earthwise Framework is an open science endeavor that can be implemented via a variety of software tools and languages, has several frontiers for further research and development, and shows promise in finding a better way to meet the needs of both humans and biodiversity.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».