Protecting 30 percent of the planet: Costs, benefits and economic implications
Notice bibliographique
Résumé
The World Economic Forum (WEF) and Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services (IPBES) have both identified biodiversity loss as one of the main threats to global economic prosperity. In particular, this high-level warning specifies that any further loss of natural habitats and biodiversity will cause extensive and costly flooding, climate change, disease emergence and ill health, clean water shortages, loss of crop pollination, decline in productivity, and numerous other risks. All of these negative outcomes are the consequence of degrading the natural infrastructure that supports human economic activity and wellbeing. One of the main policy instruments to slow the loss of biodiversity and the degradation of nature is the creation of protected or conservation areas (simple examples being a Nature Reserve or Marine Reserve). Currently, ~16% of the land and 7.4% of the ocean is in areas designated or proposed for protection (although only 2.5% of the ocean is in highly/fully protected areas). This level of protection is widely acknowledged as being inadequate to achieve biodiversity protection goals. One of the headline proposals for the 15th meeting of the Conference of Parties to the CBD, and Action Target 2 of the draft post-2020 Global Biodiversity Framework, is to increase the area covered by protected areas (PAs) and other effective area-based conservation measures (OECMs) to 30% of the planet by 2030, including both land and water protection.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 ».