Rapid assessment of the Kunming-Montreal Global Biodiversity Framework implementation progress based on remote sensing monitoring: Pathway and prospects
Notice bibliographique
Résumé
Background: The Earth is approaching a critical tipping point of irreversible biodiversity loss.As the latest global action plan for biodiversity conservation, the Kunming-Montreal Global Biodiversity Framework (KMGBF) sets out 4 long-term goals and 23 action targets.Tracking and assessing progress toward the KMGBF has become a global concern.However, challenges such as unclear progress, untimely monitoring, and incomplete evaluations remain prominent, highlighting the urgent need to address technical barriers like a large number of evaluation indicators, inconsistent assessment standards, and weak data foundations.Aims: This study aims to explore rapid assessment methods for evaluating the implementation progress of the KMGBF using remote sensing monitoring.By integrating remote sensing-based and ground-based data, as well as combining quantitative and qualitative evaluations, this approach seeks to meet the multi-scale needs of quickly tracking the progress of the KMGBF.Problems & Prospects: This paper first points out that the existing monitoring frameworks exhibit significant uncertainties in effectively assessing the progress of the KMGBF.Therefore, it is necessary to develop a more operationally robust set of indicators, indicator calculation methods, and high-quality datasets with higher spatial resolution and more frequent updates to ensure the timely and effective tracking and assessment of the KMGBF.Second, this paper provides an in-depth analysis of the application of remote sensing technology in biodiversity monitoring and evaluates its feasibility in assessing the progress of the KMGBF.Based on this analysis, a spatial intelligence service framework integrating data, knowledge, and computation is proposed to support ecosystem mapping, biodiversity mapping, and the development of remote sensing-based essential biodiversity variables (RS-EBVs).Finally, this paper advocates for a quantitative assessment approach based on RS-EBVs, complemented by a qualitative assessment derived from National Biodiversity Strategies and Action Plans (NBSAPs) and National Reports (NRs).Additionally, it suggests leveraging artificial intelligence to develop an intelligent real-time monitoring system for the KMGBF, enabling rapid multi-scale progress assessments.These technological approaches aim to provide practical and feasible support for tracking the progress of the KMGBF and offer scientific evidence for countries to formulate and implement biodiversity conservation policies.
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 | 0,025 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».