Towards Global Biodiversity Framework Target 12: mapping urban biodiversity monitoring programmes – a case study for Berlin, Germany
Notice bibliographique
Résumé
Abstract Urbanisation is a major environmental transformation, leading to various fundamental changes in biodiversity in all its dimensions. Therefore, the 15th Conference of Parties (COP-15) to the Convention on Biological Diversity (CBD) of the United Nations formulated a target especially related to urban areas. Target 12 refers to biodiversity-inclusive urban planning measures for enhancing native biodiversity to improve human health until the year 2030. To understand if and to which extent this target is reached, the mapping of biodiversity time-series is a first crucial step as it provides an overview on existing monitoring programmes, and allows to uncover gaps for future assessments. In our study, we aimed to map all biodiversity monitoring data for the German capital city, Berlin, following the concept of Essential Biodiversity Variables (EBVs). In total, we found 89 biodiversity monitoring programmes, covering 10 taxonomic groups and five of the six EBVs. We also detected taxonomic groups and EBVs, that are over- or underrepresented in monitoring programmes, as several are taxonomically biased. Biodiversity monitoring programmes are strongly focussed on species occurrence, while especially time series related to the benefits of biodiversity on human health are largely lacking and still need to be conceptualised. In conclusion, our study shows that there is an urgent need for action related to long-term biodiversity monitoring programmes, so that they are really able to inform about achievements towards Target 12 of the Kunming-Montreal Global Biodiversity Framework.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».