Rethinking landscape ecological risk assessment and its applicability: Counterintuitive findings from coastal areas
Notice bibliographique
Résumé
Abstract Landscape ecological risk assessment (LERA) serves as a crucial tool for guiding effective environmental management. However, the conventional approach of LERA suffers from two notable drawbacks: the utilization of low‐resolution land‐use data (e.g., 30 × 30 m) and the application of arbitrary evaluation units (e.g., uniformly‐sized grids), both of which introduce uncertainty and inaccuracies into the assessment outcomes. Moreover, the extent to which the traditional LERA accurately reflects the true ecological risk level remains unexplored. To address these limitations, this study presents a modified LERA conducted in Xiapu, a coastal county in China, spanning the years 2013–2015. Fine‐grained land‐use data were employed to overcome the shortcomings of low‐resolution data. Additionally, spatial correlations between land‐use changes and ecological risk alterations were analyzed to unravel the mechanisms behind land‐use changes' impact on ecological risk, while also testing the accuracy of LERA results. Major findings can be summarized as follows: (1) Ecological risk changes in Xiapu during 2013–2015 were relatively minor, with high‐risk areas predominantly concentrated along the coast. (2) A total of 1137 ha of land in Xiapu County experienced changes, with construction land witnessing the most substantial increase. (3) Counterintuitive and unreasonable LERA outcomes were identified, particularly pertaining to illogical ecological risk changes arising from transformations between construction and non‐construction land. (4) Based on the counterintuitive findings, potential factors affecting the limitations and applicability of LERA were discussed. This study represents the first critical examination of the limitations of LERA, offering valuable insights to stimulate future researchers to rethink LERA and emphasize the importance of validating assessment outcomes during its application.
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 | 0,011 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».