Revealing driver-mediated indirect interactions between ecosystem services using Bayesian Belief Networks
Notice bibliographique
Résumé
• Bayesian Belief Networks improve our understanding of ecosystem service interactions. • Human activity influences trade-offs and synergies among ecosystem services. • Not accounting for an urban driver under- or overestimates direct interactions. • Human activity intensity explains a trade-off among bird-watching & carbon storage. • Identifying drivers behind interactions may lead to more informed decision making. Understanding the drivers mediating ecosystem service interactions is essential for supporting policy decisions aimed at sustaining synergies and mitigating trade-offs. Currently, most studies assessing ecosystem service interactions do not model them as a causal network. Here, we use Bayesian Belief Networks (BBNs) to assess how human activity intensity influences ecosystem service interactions ( e.g. , trade-off, synergy, no effect). We quantify changes in interactions for two snapshots in time in Southern Quebec (Canada) among aboveground forest carbon regulation, maple syrup provisioning, livestock provisioning, landscape recreation, bird-watching recreation, and number of bird species per route (an Essential Biodiversity Variable). By comparing correlation analyses to BBNs with or without the driver of human activity intensity, we show that not accounting for human activity intensity results in incorrectly attributing a driver-mediated trade-off as a direct trade-off ( e.g. , between bird-watching recreation and aboveground forest carbon regulation) and failure to detect direct interactions ( e.g. , between bird-watching recreation and livestock provisioning). BBNs provide a more complete understanding of interactions. In contrast to correlation analysis, which can only assess a relationship between two variables, BBNs can assess relationships among multiple variables and as such determine whether a relationship is due to a shared driver or whether the relationship is due to a direct synergy or trade-off among services. However, if relevant drivers are excluded, then direct interactions may be missed, and driver-mediated relationships may be incorrectly attributed as direct interactions. A better understanding of drivers that shape ecosystem service interactions could guide their management and provide targeted policy interventions.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».