کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8844858 1617081 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The practice of prediction: What can ecologists learn from applied, ecology-related fields?
ترجمه فارسی عنوان
عمل پیش بینی: چه چیزی می تواند از محیط زیست مورد استفاده در زمینه های مربوط به محیط زیست یاد بگیرد؟
کلمات کلیدی
مهارت پیش بینی کننده، پیش بینی، قیمت گذاری، افق پیش بینی،
ترجمه چکیده
نفوذ فراگیر تغییرات محیطی ناشی از انسانی انسان بر تنوع زیستی در سراسر جهان تأثیر می گذارد و عدم اطمینان زیادی در مورد چگونگی واکنش زیستسفر بر مقیاس های کوتاه مدت و بلند مدت وجود دارد. دانشمندان برای انطباق با آنچه آینده در اختیار دارند و تاثیرات تغییر جهانی را مدیریت می کنند، باید اثرات مورد انتظار را با اعتماد به نفس پیش بینی کنند و این پیش بینی ها را به سیاست گذاران انتقال دهند. با این حال، بررسی های اخیر نشان می دهد که ما در حال حاضر فاقد درک روشنی از این که چگونه محیط زیست قابل پیش بینی است، با دیدگاه هایی که آن را به عنوان غیر قابل پیش بینی به طور بالقوه قابل پیش بینی، حداقل در طول فریم های کوتاه کوتاه. با این حال، در زمینه های کاربردی، پیش بینی های مربوط به زمینه های مربوط به محیط زیست، معمولا پیش بینی شده و گزارش شده اند، و همچنین در مقیاس نقد و بررسی، به طور بالقوه اجازه می دهد یکی برای تعیین مبانی مهارت پیش بینی در این زمینه. ما ادبیات را برای بررسی نمونه موردی در این زمینه ها جستجو کردیم و اطلاعاتی در مورد رویکردهای مدل سازی، متغیرهای هدف پیش بینی، مهارت پیش بینی شده به دست آمده و همچنین دسترسی داده ها به پارامتر مدل های پیش بینی شده جمع آوری کردیم. ما دریافتیم که بعضی از مؤلفه های اپیدمیولوژی به مهارت های پیش بینی کننده بالاتری دست می یابند، اما حتی در زمینه های پیش بینی کننده نیز مهارت های مختلف به روش های مختلفی مورد ارزیابی قرار می گیرند. هر دو رویکرد پدیده شناختی و مکانیکی در اکثر زمینه ها استفاده می شود، اما تفاوت ها اغلب کوچک هستند و بدون برتری واضح از یک رویکرد نسبت به دیگری نیستند. در اغلب زمینه ها، دسترسی به داده ها محدود است و مطالعات طولانی مدت داده های نادر و دقیق برای پارامتر مدل های مکانیستی که در عرضه کوتاه هستند. ما پیشنهاد می کنیم که اکولوژیست ها رویکردی دقیقتری را برای گزارش و ارزیابی مهارت پیش بینی شده اتخاذ می کنند و چالش های تصمیم گیری واقعی را برای تقویت عمل پیش بینی در محیط زیست در نظر می گیرند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
پیش نمایش مقاله
عمل پیش بینی: چه چیزی می تواند از محیط زیست مورد استفاده در زمینه های مربوط به محیط زیست یاد بگیرد؟
چکیده انگلیسی
The pervasive influence of human induced global environmental change affects biodiversity across the globe, and there is great uncertainty as to how the biosphere will react on short and longer time scales. To adapt to what the future holds and to manage the impacts of global change, scientists need to predict the expected effects with some confidence and communicate these predictions to policy makers. However, recent reviews found that we currently lack a clear understanding of how predictable ecology is, with views seeing it as mostly unpredictable to potentially predictable, at least over short time frames. However, in applied, ecology-related fields predictions are more commonly formulated and reported, as well as evaluated in hindsight, potentially allowing one to define baselines of predictive proficiency in these fields. We searched the literature for representative case studies in these fields and collected information about modeling approaches, target variables of prediction, predictive proficiency achieved, as well as the availability of data to parameterize predictive models. We find that some fields such as epidemiology achieve high predictive proficiency, but even in the more predictive fields proficiency is evaluated in different ways. Both phenomenological and mechanistic approaches are used in most fields, but differences are often small, with no clear superiority of one approach over the other. Data availability is limiting in most fields, with long-term studies being rare and detailed data for parameterizing mechanistic models being in short supply. We suggest that ecologists adopt a more rigorous approach to report and assess predictive proficiency, and embrace the challenges of real world decision making to strengthen the practice of prediction in ecology.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ecological Complexity - Volume 32, Part B, December 2017, Pages 156-167
نویسندگان
, , , , , , , ,