MétaCan
Menu
Retour à la cohorte
Enregistrement W4401436359 · doi:10.1002/fee.2792

Monitoring ecosystem services with essential ecosystem service variables

2024· review· en· W4401436359 sur OpenAlexafffundabout
Amanda M. Schwantes, Carina R. Firkowski, Flavio Affinito, Peter S. Rodriguez, Marie‐Josée Fortin, Andrew Gonzalez

Notice bibliographique

RevueFrontiers in Ecology and the Environment · 2024
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensMcGill UniversityCentre For Cold Ocean Resources EngineeringUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaLiber Ero Foundation
Mots-clésEcosystem servicesEcosystemEnvironmental resource managementTotal human ecosystemService (business)Ecosystem healthEnvironmental scienceBusinessEcologyBiology

Résumé

récupéré en direct d'OpenAlex

In the Anthropocene, ecosystems are changing along with their capacity to support human well‐being. Monitoring ecosystem services (ESs) is required to assess the changing state of human–nature interactions. To standardize the monitoring of multiple facets of ESs, the Group on Earth Observations Biodiversity Observation Network (GEO BON) recently proposed the essential ecosystem service variables (EESVs), which are organized into six classes: Ecological Supply , Use , Demand , Anthropogenic Contribution , Instrumental Value , and Relational Value . We apply the EESV framework to three case studies in British Columbia, Canada, each targeting a single ES. Using trend and intervention analysis, we show how EESVs are changing and affected by policy. We discuss key challenges and solutions while providing guidance on how to quantify EESVs. Finally, we demonstrate the potential of EESVs to harmonize metrics across conceptual frameworks, monitor ES change, and provide decision support to assess progress under various international policy conventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,008
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,006
Tête enseignante GPT0,205
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations19
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and the EnvironmentMême sujetLand Use and Ecosystem ServicesTravaux en français237 207