Indicators for Management of Urban Biodiversity and Ecosystem Services: City Biodiversity Index
Notice bibliographique
Résumé
Capturing the status and trends of biodiversity and ecosystem services in urban landscapes represents an important part of understanding whether a metropolitan area is developing along a sustainable trajectory or not. However, this task also represents unique challenges for policy makers and scientists alike, challenges that lie at both the methodological (scaling, boundaries, definitions) and institutional levels (integrating biodiversity and ecosystems with social and economic goals). In this chapter we report on the experiences from municipalities in several countries where the newly developed City Biodiversity Index (CBI) has been applied and tested. The purpose here is not to compare or rank different municipalities but rather to deepen our understanding of the science underlying the indicators and contribute improvements to the CBI in different contexts. Based on experiences in implementing the CBI in 14 cities in Japan, and in Lisbon (Portugal), Helsinki (Finland), Mira Bhainder (India) and Edmonton (Canada) it is evident that the CBI has limitations that need to be addressed: (1) lack of data and the scale and boundaries need careful consideration, (2) the scoring represents a challenge as the bio-geographical differences or the profile of the cities varies largely, (3) the number and scope of ecosystems captured are limited and a broader range of ecosystem services should be included, and (4) the integrated social-ecological dimension of cities needs further development. However, it is also evident that CBI has some unique features, and can perhaps most importantly serve as both a tool that brings managers, scientists and other stakeholders together to act on the role of biodiversity and ecosystem services in the cities as well as a tool for assessing the impacts of different policies and land planning options on urban biodiversity.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».