Cartographie des effets cumulatifs
Bibliographic record
Abstract
La cartographie des effets cumulatifs est une méthode spatialement explicite et semi quantitative utile pour illustrer les effets cumulatifs relatifs des activités humaines sur les habitats marins à de vastes échelles spatiales. La cartographie des effets cumulatifs s’appuie sur un modèle relativement simple qui identifie les zones où les activités et les habitats se croisent dans l’espace, puis applique une pondération de la vulnérabilité pour déterminer une cote des effets pour chaque intersection activité-habitat. La cote des effets cumulatifs est la somme de toutes les intersections habitat-activité dans une unité de surface. La méthode nécessite trois sources de données : 1) répartition spatiale des classes d’habitat marin (p. ex. plages intertidales, zones pélagiques peu profondes et herbiers marins); 2) répartition spatiale et intensité relative des activités humaines (p. ex. pêche, navigation et sites industriels) et des facteurs de stress connexes (p. ex. sédimentation et bruit); 3) matrice des cotes de vulnérabilité pour quantifier l’effet relatif de chaque facteur de stress sur chaque classe d’habitat. Composés des écosystèmes intertidaux, infratidaux, de plateau et profonds, les classes d’habitat contiennent les substrats inorganiques et les caractéristiques biogéniques dans chacun d’entre eux. Les écosystèmes pélagiques, qui en font aussi partie, sont séparés en deux classes : les écosystèmes peu profonds et les écosystèmes profonds. Entre les côtes du Pacifique et de l’Atlantique, la répartition des classes d’habitats est semblable, bien que les gammes de profondeur varient légèrement. Les activités humaines et les facteurs de stress sont répartis en quatre types de données : terrestres, côtières, marines et halieutiques. Les activités humaines et les facteurs de stress sont représentés sous la forme d’une valeur d’intensité relative, qui dépend de la nature de l’activité ou du facteur de stress, de la manière dont ils peuvent interagir avec l’habitat et de la disponibilité des données. Les matrices de vulnérabilité utilisées dans les régions canadiennes du Pacifique et de l’Atlantique ont été adaptées à partir de matrices de vulnérabilité existantes élaborées précédemment pour le courant de Californie (Pacifique) et la côte du Massachusetts (Atlantique). Des experts régionaux en écosystèmes ont été interrogés pour obtenir leur avis sur les cotes de vulnérabilité et le classement de toutes les combinaisons d’habitats et de facteurs de stress pertinentes pour chaque côte. Les cotes des matrices de vulnérabilité générées précédemment ont été mises à jour dans le document de recherche connexe (Clarke Murray et al. 2023) sur la base de l’examen d’experts, et des recommandations ont été formulées pour le classement des activités et des facteurs de stress par classe d’habitat. Dans la région du Pacifique, 120 (12 %) des cotes habitat/facteur de stress ont été augmentées en valeur et 26 (3 %) ont été diminuées, en fonction des commentaires des experts. Pour la matrice de l’Atlantique, 105 (11 %) et 90 (9 %) des cotes habitat/facteur de stress ont été augmentées ou diminuées, respectivement. De nouvelles activités et de nouveaux facteurs de stress ont également été recommandés aux fins d’examen, mais ils n’ont pas été examinés et pourraient être mis à jour à l’avenir. Les travaux visant à mettre à jour les cotes de vulnérabilité en faisant appel à des experts régionaux en matière d’habitat ont été approuvés parce qu’ils visent à améliorer l’application de la méthode Halpern par rapport à ce qui s’est fait précédemment. Parmi les améliorations futures, mentionnons la possibilité que les cotes de vulnérabilité pour tous les types d’habitats soient examinées par des experts des facteurs de stress (p. ex. des experts des effets de la pêche). La cartographie des effets cumulatifs peut servir à plusieurs fins, notamment pour éclairer et évaluer les futurs scénarios de changement environnemental ou de planification spatiale marine (p. ex. pour évaluer les aménagements prévus et les changements climatiques), pour orienter l’évaluation environnementale stratégique ou régionale, pour déterminer les domaines de recherche et d’enquête sur le terrain ou pour établir l’ordre de priorité des activités ou des facteurs de stress en vue de mesures de gestion ou d’atténuation. Son utilisation particulière dans le contexte de la planification spatiale marine au Canada reste à déterminer. En plus des cartes qui en découlent, ces données marines spatialement explicites et ces produits du savoir générés individuellement au cours du processus de cartographie des effets cumulatifs peuvent être utiles aux planificateurs, aux intervenants et aux autres scientifiques qui participent à la planification spatiale marine et à la gestion écosystémique, notamment la planification de la conservation. Étant donné qu’il s’agit d’une approche axée sur les données, avec des extrants qui représentent un instantané dans le temps, la qualité et l’âge des données entrées auront une incidence sur leur utilité pour la planification. Les analyses de sensibilité, p. ex. une étude plus approfondie de l’incidence de l’évolution des cotes de vulnérabilité sur les résultats globaux, peuvent aider à améliorer la confiance dans les résultats.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.026 | 0.005 |
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".