Incorporating climate change into restoration decisions: perspectives from dam removal practitioners
Notice bibliographique
Résumé
Incorporating climate change into conservation and restoration decisions is increasingly important for natural resource managers and restoration practitioners to effectively address the underlying drivers of ecosystem change. Small dam removal is an example of a restoration tool that may offer multiple socioeconomic and ecological benefits in streams, including promoting climate resilience. With the pace of dam removals increasing, practitioners and researchers are well-poised to incorporate climate change into future dam removal decisions. Therefore, we surveyed dam removal practitioners across 14 states in the eastern United States to understand current practices of small dam removals, factors driving restoration decisions, and how climate change knowledge is incorporated into these decisions. We also aimed to identify barriers to and opportunities for knowledge exchange between practitioners and researchers. Of the 100 respondents, most (79%) consider climate change in their dam removal decisions to some extent. Despite this, many reported a lack of clear, relevant, and accessible data linking small dam removal to climate resilience benefits. Dam removal practitioners also indicated that they most often rely on climate change information garnered from conversations with colleagues, rather than from scientific research products. These results suggest that the co-production of relevant, salient research questions and readily accessible and interpretable research products (e.g., technical summaries, open access articles) may encourage practitioners to incorporate climate change science more consistently and efficiently into dam removal decisions. These findings may also translate to other stream restoration efforts to inform knowledge exchange and improve restoration outcomes in a changing climate.
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 | 0,059 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,016 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».