Future land-use change predictions using Dyna-Clue to support mosquito-borne disease risk assessment
Notice bibliographique
Résumé
Abstract Mosquitoes are known vectors for viral diseases in Canada, and their distribution is driven by climate and land use. Despite that, future land-use changes have not yet been used as a driver in mosquito distribution models in North America. In this paper, we developed land-use change projections designed to address mosquito-borne disease (MBD) prediction in a 38 761 km 2 area of Eastern Ontario. The landscape in the study area is marked by urbanization and intensive agriculture and hosts a diverse mosquito community. The Dyna-CLUE model was used to project land-use for three time horizons (2030, 2050, and 2070) based on historical trends (from 2014 to 2020) for water, forest, agriculture, and urban land uses. Five scenarios were generated to reflect urbanization, agricultural expansion, and natural areas. An ensemble of thirty simulations per scenario was run to account for land-use conversion uncertainty. The simulation closest to the average map generated was selected to represent the scenario. A concordance matrix generated using map pair analysis showed a good agreement between the simulated 2020 maps and 2020 observed map. By 2050, the most significant changes are predicted to occur mainly in the southeastern region’s rural and forested areas. By 2070, high deforestation is expected in the central west. These results will be integrated into risk models predicting mosquito distribution to study the possibility of humans’ increased exposure risk to MBDs.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».