Leveraging big Earth data for spatially explicit tracking of the progress on UN SDG15.1.2
Notice bibliographique
Résumé
The UN SDG15 'Life on Land,' aims to promote the sustainable management and use of terrestrial ecosystems, with sub-indicator SDG15.1.2 quantifying the proportion of Key Biodiversity Areas (KBAs) covered by protected areas. However, progress on SDG15.1.2 remains unclear, complicating the prioritization of ecosystems with high conservation potential. Here, we propose an innovative framework that utilizes Big Earth Data (BED) to quantify SDG15.1.2 across five mainland Southeast Asian (MSA) countries. This framework employs the Integrative Multidimensional Biodiversity Index (iMBI) to map KBAs, enabling the derivation of SDG15.1.2 by overlaying KBA maps with protected areas. The results indicate that Cambodia (87.3%) and Thailand (63.9%) have relatively high SDG15.1.2, while Myanmar (13%), Vietnam (23.3%), and Laos (25.1%) exhibit considerably lower values, resulting in a regional average of 29.1% for the MSA. While there was a slight upward trend in SDG15.1.2 from 2000 to 2020, the rate of increase remains insufficient to achieve comprehensive legal protection for the majority of KBAs by 2030. Furthermore, we identified areas with high conservation potential that remain unprotected, providing insights for improving SDG15.1.2. Although the MSA serves as a case study, the proposed framework is adaptable to other regions, facilitating consistent and spatially explicit global tracking of UN SDG15.1.2.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».