Indigenous knowledge, forest landscape modeling, and the cumulative effects of environmental changes
Notice bibliographique
Résumé
Boreal landscapes are exposed to climate change, forestry, and other industrial stressors with consequences for Indigenous people's wellbeing and relationship with traditional lands. As a collaborative and transdisciplinary research team including researchers and students from universities, Indigenous communities, and government and non-government organizations, we addressed the consequences of these environmental changes for an Eeyou (Cree) community and an Anishnaabe community in Eastern boreal Canada (Quebec). Our aims were to (1) develop a landscape value model combining qualitative and quantitative data as well as knowledge from Indigenous land-use experts and forest landscape simulations; (2) evaluate the vulnerability of Indigenous landscape values to environmental changes; and (3) assess the relative importance of climate change and forestry as drivers of environmental changes. We developed a set of 12 variables based on interviews with Indigenous experts, describing four dimensions of landscape value: abundance, quality, access, and experience. We then performed forest landscape simulations (2000-2100) with the model LANDIS-II using scenarios combining climate change and forestry gradients. We presented the simulation outputs to Indigenous experts and elicited the probability of fulfilling their needs in the future. We combined Indigenous knowledge and forest landscape simulations within a probabilistic model (Bayesian network). The projections indicate that rapid and acute changes in forest structure and composition are to be expected. The most vulnerable values are those associated with mature and undisturbed forests and include the ability to trap, hunt moose, and recover health and energy from the land (ressourcement in French, KOKi OTAPiNAN NOPiMiK iNATiSi8iN in Anishnaabemowin). Timber harvesting rate influences the timing and amplitude of change. The influence of climate change varied from one region to another and was mostly associated with wildfire frequency. Adaptation strategies may include reducing timber harvesting rates, implementing wildfire-prevention measures, and valuing alternative forest uses.
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 | 0,000 | 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 ».