KBAscope: key biodiversity area identification in R
Notice bibliographique
Résumé
Key Biodiversity Areas (KBAs) represent the largest global network of sites critical to the persistence of biodiversity, which have been identified against standardised quantitative criteria. Sites that hold very high biodiversity value or potential are given specific attention on site‐based conservation targets of the Kunming‐Montreal Global Biodiversity Framework (GBF), and KBAs are already used in indicators for the GBF and the Sustainable Development Goals. However, most of the species that trigger KBA status are birds and to maximise benefits for biodiversity under the actions taken to fulfil the GBF, countries need to update their KBAs to represent important sites across multiple taxa. Here we introduce KBAscope, an R package to identify potential KBAs using multiple taxonomic groups. KBAscope provides flexible, user‐friendly functions to edit species data (population, range maps, area of occupancy, area of habitat and localities); apply KBA criteria; and generate outputs to support the delineation and validation of KBAs. The details of the analysis – such as the spatial units tested or the KBA criteria applied – can be decided according to the scope of the analysis. We demonstrate the functionality of KBAscope by using it to identify potential KBAs in Greece based on multiple terrestrial taxonomic groups and four sizes of grid cells (4 km 2 , 25 km 2 , 100 km 2 , 225 km 2 ).
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».