MétaCan
Menu
Retour à la cohorte
Enregistrement W4392566209 · doi:10.1139/facets-2022-0205

What is habitat sensitivity? A quantitative definition relating resistance, resilience, and recoverability to environmental impacts

2024· article· en· W4392566209 sur OpenAlexaffvenue
Cody J. Dey, E. Tuononen, Emma E. Hodgson, D. Andrew R. Drake, Marten A. Koops, Cindy Chu

Notice bibliographique

RevueFACETS · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Resistance (ecology)Environmental resource managementSensitivity (control systems)HabitatEnvironmental planningGeographyEnvironmental scienceEcologyEngineeringBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Habitat sensitivity is a consideration for decision-making under environmental laws in many jurisdictions. However, habitat sensitivity has been variously defined and there is no consistent approach to its quantification, which limits our understanding of how habitat sensitivity varies among systems and in response to different pressures. We review various definitions offered in the scientific literature and policy documents before suggesting a universal framework for habitat sensitivity as (i) a habitat trait that defines the ecological impacts from a given pressure, (ii) which is composed of three components (habitat resistance, resilience, and recoverability), and (iii) which is quantified by measuring the change and recovery in the state of key habitat attributes in response to pressures. In addition, we provide guidance toward a consistent approach to assessing habitat sensitivity, which includes the use of pressure benchmarks and standardized metrics of change in key habitat attributes to create a common scale for comparison among habitat attributes and pressures. Our framework and recommendations should help to standardize the way in which habitat sensitivity is defined and assessed, and could be integrated into decision-making processes to improve ecosystem management in different jurisdictions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,534
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,241
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetEcosystem dynamics and resilienceTravaux en français237 207