A metric‐based framework for climate‐smart conservation planning
Notice bibliographique
Résumé
Climate change is already having profound effects on biodiversity, but climate change adaptation has yet to be fully incorporated into area-based management tools used to conserve biodiversity, such as protected areas. One main obstacle is the lack of consensus regarding how impacts of climate change can be included in spatial conservation plans. We propose a climate-smart framework that prioritizes the protection of climate refugia-areas of low climate exposure and high biodiversity retention-using climate metrics. We explore four aspects of climate-smart conservation planning: (1) climate model ensembles; (2) multiple emission scenarios; (3) climate metrics; and (4) approaches to identifying climate refugia. We illustrate this framework in the Western Pacific Ocean, but it is equally applicable to terrestrial systems. We found that all aspects of climate-smart conservation planning considered affected the configuration of spatial plans. The choice of climate metrics and approaches to identifying refugia have large effects in the resulting climate-smart spatial plans, whereas the choice of climate models and emission scenarios have smaller effects. As the configuration of spatial plans depended on climate metrics used, a spatial plan based on a single measure of climate change (e.g., warming) will not necessarily be robust against other measures of climate change (e.g., ocean acidification). We therefore recommend using climate metrics most relevant for the biodiversity and region considered based on a single or multiple climate drivers. To include the uncertainty associated with different climate futures, we recommend using multiple climate models (i.e., an ensemble) and emission scenarios. Finally, we show that the approaches we used to identify climate refugia feature trade-offs between: (1) the degree to which they are climate-smart, and (2) their efficiency in meeting conservation targets. Hence, the choice of approach will depend on the relative value that stakeholders place on climate adaptation. By using this framework, protected areas can be designed with improved longevity and thus safeguard biodiversity against current and future climate change. We hope that the proposed climate-smart framework helps transition conservation planning toward climate-smart approaches.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».