MétaCan
Menu
Retour à la cohorte
Enregistrement W4403729052 · doi:10.1080/24694452.2024.2410008

America the Beautiful: Meeting “30 × 30” Conservation Goals Through Connected Protected Areas

2024· article· en· W4403729052 sur OpenAlexaboutno aff
Amy E. Frazier, Peter Kedron, Wenxin Yang, Hejun Quan

Notice bibliographique

RevueAnnals of the American Association of Geographers · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAmerican Environmental and Regional History
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésGeographyEnvironmental planningPolitical scienceEnvironmental ethicsEnvironmental resource managementSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Protected areas are a primary instrument for biodiversity conservation, and area-based targets have become a hallmark of global efforts with the 2022 Kunming-Montreal Global Biological Framework recommending at least 30 percent of land and water be protected by 2030. In parallel, the United States has implemented “America the Beautiful,” a call for local, state, and regionally led efforts to conserve, connect, and restore 30 percent of U.S. lands and waters by 2030. Achieving these goals is complicated, however, by the multiple policy scales at which conservation decisions are made and governed and the limited guidance provided on how gains to protected and connected areas should be evaluated. We assess the connectedness of U.S. protected areas at multiple scales and find that less than 3 percent of the United States is protected and connected. Connectedness increases when the area under investigation is partitioned into smaller policy units (e.g., counties), a product of the modifiable areal unit problem. Similarly, connectedness values increase by an order of magnitude when assessed relative to the protected area network rather than considering all land area. Both findings support the need for standardized reporting frameworks and highlight the challenges in coordinating conservation goals across administrative units.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Association of GeographersMême sujetAmerican Environmental and Regional HistoryTravaux en français237 207