Application de Marxan with Zones comme outil d’aide à la décision aux fins de la planification spatiale marine : une étude de cas sur la planification de l’énergie éolienne extracôtière en Nouvelle-Écosse
Bibliographic record
Abstract
Au large de la Nouvelle-Écosse, des travaux sont en cours pour cibler des zones potentielles pour le développement futur de projets d’énergie éolienne en mer (ÉÉM). « Marxan with Zones » est un logiciel utilisé aux fins de la planification des réseaux de conservation ainsi comme outil d’aide à la décision aux fins de la planification spatiale marine et de la planification de l’ÉÉM en Europe et aux États-Unis. La présente étude démontre l’application de Marxan with Zones à la planification spatiale de l’ÉÉM pour aider à éviter les conflits en déterminant les zones potentielles qui peuvent convenir à l’ÉÉM et qui chevauchent moins les utilisations et les caractéristiques écologiques existantes. On a exploré dix-huit scénarios de planification, avec une combinaison de scénarios unisectoriels qui évaluaient l’ÉÉM par rapport à des secteurs et des utilisations océaniques individuels (pêche commerciale et conservation), et de scénarios multisectoriels qui évaluaient l’ÉÉM par rapport à une combinaison de secteurs et d’utilisations océaniques (y compris le pétrole et le gaz ainsi que l’aquaculture). Ces 18 scénarios fournissent des renseignements sur la répartition actuelle des utilisations humaines et des caractéristiques écologiques dans la zone d’étude, représentée par 108 couches de données, en relation avec les zones potentiellement appropriées pour l’ÉÉM. Cette analyse a permis de cibler plusieurs zones susceptibles de convenir à de futurs projets d’ÉÉM et où il est possible d’éviter tout chevauchement avec plus de 90 % des pêches commerciales et avec le trafic maritime. Cependant, certaines de ces zones présentent des caractéristiques écologiques que l’on devrait évaluer plus en détail dans le cadre du processus de détermination des sites potentiels d’ÉÉM. Marxan with Zones est un outil polyvalent, et il est possible de modifier les méthodes utilisées pour évaluer la planification de l’ÉÉM à différentes échelles et pour examiner plus en profondeur les zones d’intérêt pour l’ÉÉM.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".