Nature’s Value in the Salish Sea: the Ecosystem Services of the Salish Sea Basin
Notice bibliographique
Résumé
The aquatic and terrestrial ecosystems of the Salish Sea basin provide vital fish and wildlife habitat, serve as a foundation for food production, employment, and outdoor recreation, improve water and air quality, and reduce natural disaster risks, such as flooding. This year, Earth Economics conducted a geospatial Ecosystem Services Valuation (ESV) of the nonmarket value provided by ecosystems throughout the basin, updating and expanding on Earth Economics 2010 report, “Valuing the Puget Sound Basin,” which estimated the value provided by the US portion of the basin—cited in the Seattle Times as recently as 2019. The availability of transnational 30m spatial data from the 2015 North American Land Change Monitoring System (NALCMS) allows an expansion of the earlier analysis to the entire basin. By contextualizing ecosystems by factors known to affect the productivity and value of ecosystem services (e.g., old growth, riparian zones, proximity to urban areas and agricultural lands, shellfish harvesting) nuances in the subsequent valuation literature can be more fully addressed. Benefit Transfer was used to estimate the value of ecosystem services provided each year by each landcover type. Each year, the Salish Sea Basin provides US$91 billion to US$153 billion in benefits, with the lands and waters within the U.S. providing an average of US$60 billion per year, and the Canadian side of the basin providing an average of US$56 billion per year. The purpose of this work was to promote better understanding of the economic and social benefits provided by the basin’s ecosystems, and to inform both domestic and foreign policies regarding cooperative management of ecologically important lands. The presentation will include demonstration of a dynamic web map that will be publicly available following the presentation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».