Accuracy, uncertainty, and biases in cumulative pressure mapping
Notice bibliographique
Résumé
Understanding how human activities are altering landscapes is critical to address habitat loss and biodiversity decline. Cumulative pressure mapping has emerged as a tool to quantify both the extent and intensity of multiple forms of human activities on the environment. However, there are several approaches to selecting and combining individual spatial layers into cumulative pressure maps, without clear guidance on how these methods affect the accuracy of the resulting maps. Here, we evaluated how the number of individual pressures, and changes in their intensity scores influenced the accuracy, measured against visual interpretation of high-resolution imagery, of a cumulative pressure map for a large, ecological diverse province, British Columbia, Canada. Additionally, we compared additive and antagonist models for combining pressures, which are among the most widely employed models in terrestrial studies. We started by identifying 16 human pressures and their associated spatial representation (i.e., layer) across the province. We then compared the validation values and the outcomes of 100,000 simulations in which we tested different perturbations of the human pressure model. Model accuracy improved with the inclusion of each additional pressure layer, reaching an average mean absolute error of 0.09 with the full spectrum of pressures. Our findings suggested that variations in intensity scores assigned to individual pressures only moderately influenced the resulting cumulative pressure score. In our final analysis, we observed a robust correlation between the additive and the antagonist models, particularly in regions that were either relatively free of human disturbance or highly modified by disturbances. Our study provides an empirical basis for continued improvements to practices for cumulative pressure mapping, addressing methodological challenges that were not formally considered in previous studies.
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 | 0,021 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».