Expanding the use of the ecosystem services framework in applied settings: challenges and solutions for quantifying ecosystem services
Notice bibliographique
Résumé
La quantification des services écologiques (SE), définie comme les avantages que les gens tirent des écosystèmes, peut être utile pour la gestion des paysages multifonctionnels ainsi que pour promouvoir des mesures pratiques de conservation des écosystèmes. Toutefois, en dépit de l'attention des universitaires, une mise en œuvre efficace de l'évaluation des SE, dans le cadre de la gestion sur le terrain, a été limitée. Des méthodes de mesure cohérentes et des outils de modélisation précis sont essentiels pour favoriser l'implémentation des stratégies de gestions informées par les SE et pour s'assurer de la confiance des gestionnaires et des politiciens dans l'utilité du concept des SE. Dans cette thèse, je présente deux obstacles majeurs à l'opérationnalisation des SE et je propose des mesures pour atténuer ces obstacles. Tout d'abord, je présente une étude de cas sur les méthodes utilisées pour mesurer le service écosystémique de pollinisation dans la littérature. Cette étude souligne l'extrême variabilité dans les approches de quantification d'un seul SE. À travers les 121 études, 62 combinaisons uniques d'indicateurs ont été utilisées, ce qui suggère qu'il n'y a pas de conventions acceptées ou de normes pour diriger la sélection des indicateurs. Ce manque de cohérence nuit à notre capacité de comparer les résultats entre les études, et peut conduire à une gestion inefficace basée sur les SE. Deuxièmement, la quantification utilisant des modèles de SE peut également être problématique. Les modèles les plus souvent utilisés pour estimer les SE proviennent des bases de données sur l'utilisation actuelle des terres/le couvert terrestre (UT/CT) comme entrée de données primaires, et s'appuient sur des informations sur la composition UT/UC, caractérisant le type et la quantité de chaque classe UT/UC, sans égard à la répartition spatiale des classes de UT/UC. Cependant, il a déjà été démontré que les projections fondées principalement sur la composition représentent mal la provision de SE. Les estimations basées sur la composition du paysage néglige le rôle critique de la configuration du paysage (l'arrangement spatial des classes de UT/UC) dans le flux et la qualité des prestations de SE, car les estimations supposent que deux unités de même taille, d'un type d'UT/UC donné, produisent le même ordre de grandeur de chaque service. Afin d'évaluer l'importance relative de ces deux attributs spatiaux sur la relation entre la UT/UC et la provision de SE, j'ai calculé des métriques paysagères qui caractérisent à la fois la composition et la configuration du paysage, de même que la fourniture de 10 SE pour 136 municipalités du sud de la province du Québec. J'ai utilisé des modèles d'équations pour d'identifier les mécanismes et les interactions responsables des relations observées. La proportion de la variation expliquée par les modèles est plus attribuable à la configuration qu'à la composition dans sept des dix modèles de SE. L'influence relativement plus élevée de la configuration suggère que les modèles incorporant des informations au-delà de la composition de l'UT/UC peuvent fournir des prévisions plus fiables pour contribuer aux décisions de gestion. Parce que la configuration du paysage peut être manipulée indépendamment des changements dans la composition, les modèles de SE qui intègrent la configuration peuvent être utilisés à la fois pour quantifier avec précision la provision de SE et pour identifier des scénarios qui minimisent les impacts environnementaux du changement d'UT/UC simplement en modifiant la répartition spatiale des changements prévus à travers le paysage. Le concept des SE a le potentiel de contribuer à une gestion environnementale plus efficace. Afin d'aller de l'avant dans ce domaine en pleine expansion et faire des SE un concept pratique dans la gestion, il est essentiel d'adopter des stratégies qui mesurent et créent des modèles de SE adéquats, telles que celles proposées dans cette thèse.
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 | 0,038 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,015 | 0,016 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».