MétaCan
Menu
Retour à la cohorte
Enregistrement W6958824566 · doi:10.6084/m9.figshare.25932532.v1

Prioritizing conservation corridors to enhance connectivity and mitigate multidimensional vulnerabilities in protected area networks

2024· dataset· en· W6958824566 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2024
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant pathogens and resistance mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSafeguardingResilience (materials science)Vulnerability (computing)Biodiversity conservationBiodiversityProtected areaVulnerability assessmentPsychological resilience

Résumé

récupéré en direct d'OpenAlex

Expanding and connecting protected areas (PAs) is crucial to meet the ambitious goals of the Kunming-Montreal Global Biodiversity Framework (GBF), yet the interplay between these targets remains poorly understood. Here we introduce a novel framework for developing conservation priority corridors (CPCs) that balances connectivity, cost-effectiveness, and biodiversity value. Our framework integrates critical connectivity corridors with conservation priority zones, identifying priority areas for conservation action across three scenarios: conservative, moderate, and ambitious. We demonstrate that the moderate CPC scenario offers a pragmatic pathway to achieving the GBF's targets in China, increasing PA coverage to 34%, effectively connecting half of existing PAs, and safeguarding nearly 40% of conservation priority zones. While CPCs face heightened climate-related threats, they exhibit lower vulnerability to human activities and vegetation shifts, highlighting the critical role of connectivity in enhancing resilience to climate change. Our CPC framework identifies the most vulnerable regions and pressing conservation challenges, providing valuable guidance for targeted conservation efforts. This integrative approach offers a practical and impactful pathway to achieving the ambitious goals of the Kunming-Montreal GBF.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,005

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,235
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetPlant pathogens and resistance mechanismsTravaux en français237 207