Data and knowledge needs for improving science and policy for peatlands in Canada in a changing world: insights from Global Peatlands Initiative Workshop, June 2023
Notice bibliographique
Résumé
Knowledge and data on the current function, future threats, and benefits of peatlands in Canada are required to support evidence-based decision-making to ensure they continue to provide critical ecosystem services. This is particularly relevant for Canada, given the large expanse of relatively intact peatland area. There is a need, not only to standardize protocols, but also to prioritize types of information and knowledge that can best meet conservation and management goals. This was the challenge posed to the participants of the Global Peatlands Initiative workshop in June 2023 in Quebec City, Quebec, Canada. Participants were composed of researchers using primarily Western science approaches that use peatland data for carbon accounting, policy or sustainable land use, reclamation/restoration, conservation, wildlife, and water resources applications. For seven peatland data categories (hydrometeorological and environmental sensing; peat coring and depth; greenhouse gas monitoring; biodiversity; vegetation, woody debris, and litter; Traditional Knowledge; water quality), three priority measurements were identified and recommendations for their collection were discussed. The key recommendations from the workshop were to (1) create standardized, yet flexible protocols; (2) coordinate field data collection where possible; (3) weave more Traditional Knowledge into understanding of peatlands; (4) create an atlas of existing peatland information; (5) scope opportunities to create a network of peatland “super sites”.
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 | 0,033 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,018 | 0,008 |
| Communication savante | 0,020 | 0,005 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».