LIFE: A metric for mapping the impact of land-cover change on global extinctions
Notice bibliographique
Résumé
Human-driven habitat loss is recognized as the greatest cause of the biodiversity crisis, yet to date we lack robust, spatially explicit metrics quantifying the impacts of anthropogenic changes in habitat extent on species’ extinctions. Existing metrics either fail to consider species identity or focus solely on recent habitat losses. The persistence score approach developed by Durán et al . (Durán et al. 2020 Methods Ecol. Evol . 11 , 910–921 (doi:10.1111/2041-210X.13427) represented an important development by combining species’ ecologies and land-cover data while considering the cumulative and non-linear impact of past habitat loss on species’ probability of extinction. However, it is computationally demanding, limiting its global use and application. Here we couple the persistence score approach with high-performance computing to generate global maps of what we term the LIFE (Land-cover change Impacts on Future Extinctions) metric for 30 875 species of terrestrial vertebrates at 1 arc-min resolution (3.4 km 2 at the equator). These maps provide quantitative estimates, for the first time, of the marginal changes in the expected number of extinctions (both increases and decreases) caused by converting remaining natural vegetation to agriculture, and restoring farmland to natural habitat. We demonstrate statistically that this approach integrates information on species richness, endemism and past habitat loss. Our resulting maps can be used at scales from 0.5–1000 km 2 and offer unprecedented opportunities to estimate the impact on extinctions of diverse actions that affect change in land cover, from individual dietary choices through to global protected area development. This article is part of the discussion meeting issue ‘Bending the curve towards nature recovery: building on Georgina Mace's legacy for a biodiverse future’.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».