Rapid evaluation of habitat connectivity change to safeguard multispecies persistence in human-transformed landscapes
Notice bibliographique
Résumé
Abstract Following the adoption of the Post-2020 Kunming-Montreal Global Biodiversity Framework (KM-GBF) of the Convention on Biological Diversity (CBD) there is a clear science-policy need to protect habitat connectivity and track its change over time to safeguard biodiversity and inform conservation planning. In response to this need we describe an analytical, multi-indicator and multispecies approach for the rapid assessment of habitat connectivity at fine spatial grain and at the extent of an entire ecoregion. Out of 68 connectivity indicators we found through a literature review, we identified a key-set of six indicators that align with the Essential Biodiversity Variables framework and are suitable to guide rapid action for connectivity and conservation targets in the KM-GBF. Using these selected indicators, we mapped and evaluated connectivity change from 2011 to 2021 across the ecoregion of the St-Lawrence Lowlands in Quebec (~ 30,000 km 2 ) for seven ecoprofile species representing regional forest habitat needs. For most of these species, trends over the last decade indicate a decline in effective connected area and metapopulation carrying capacity, via a division of large contiguous habitat into smaller fragments, whereas on average, habitat area slightly increased. These results highlight that temporal changes in habitat area and connectivity are not necessarily correlated and the urgent need to conserve and restore connectivity to meet targets under the KM-GBF. We provide an R-tool to support our general approach, which enables a comprehensive evaluation of connectivity for regional spatial planning for biodiversity in regions with moderate to high human disturbance.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».