scholarly journals A Biodiversity Indicators Dashboard: Addressing Challenges to Monitoring Progress towards the Aichi Biodiversity Targets Using Disaggregated Global Data

PLoS ONE ◽  
2014 ◽  
Vol 9 (11) ◽  
pp. e112046 ◽  
Author(s):  
Xuemei Han ◽  
Regan L. Smyth ◽  
Bruce E. Young ◽  
Thomas M. Brooks ◽  
Alexandra Sánchez de Lozada ◽  
...  
Keyword(s):  
Biodiversity Indicators ◽  
Aichi Biodiversity Targets ◽  
Monitoring Progress ◽  
Global Data

scholarly journals Sufficiency and Suitability of Global Biodiversity Indicators for Monitoring Progress to 2020 Targets

2016 ◽  
Vol 9 (6) ◽  
pp. 489-494 ◽  
Author(s):  
Chris J. Mcowen ◽  
Sarah Ivory ◽  
Matthew J. R. Dixon ◽  
Eugenie C. Regan ◽  
Andreas Obrecht ◽  
...  
Keyword(s):  
Biodiversity Indicators ◽  
Global Biodiversity ◽  
Monitoring Progress

scholarly journals Will protection of 17% of land by 2020 be enough to safeguard biodiversity and critical ecosystem services?

Oryx ◽  
2014 ◽  
Vol 49 (1) ◽  
pp. 74-79 ◽  
Author(s):  
Frank W. Larsen ◽  
Will R. Turner ◽  
Russell A. Mittermeier
Keyword(s):  
Ecosystem Services ◽  
Land Surface ◽  
Protected Area ◽  
Abrupt Change ◽  
Scientific Evidence ◽  
Planetary Boundaries ◽  
Data Gaps ◽  
Aichi Biodiversity Targets ◽  
Global Data ◽  
Additional Area

AbstractTo stem the loss of biodiversity and ensure continued provision of essential ecosystem services world leaders adopted the 20 Aichi Biodiversity Targets in 2010, to be fulfilled by 2020. One key target (Target 11) prescribes an expansion of the global protected area system to at least 17% of land surface and 10% of oceans by 2020. Given that these targets are predominantly based on political feasibility rather than scientific evidence, it remains unclear whether fulfilment of Target 11 will suffice to safeguard biodiversity and ensure continued provision of essential ecosystem services. Despite many data gaps, in particular for ecosystem services, we can use existing global data to estimate the required protected area on land for biodiversity (a minimum of c. 17%) and biomass carbon storage (a minimum of c. 7–14% additional area to protect 75–90% of the unprotected carbon stock), which illustrates that the target of 17% of land will probably fall short in meeting these goals. As crossing thresholds or tipping points in ecosystems could trigger non-linear, abrupt change in delivery of ecosystem services, we need a science-driven understanding of how much protected, intact nature is needed to avoid unforeseen transgression of planetary boundaries.

Joint Operation Dalam Studi Kualitatif

2017 ◽  
Vol 3 (1) ◽  
pp. 1
Author(s):  
Arman Jayady
Keyword(s):  
Joint Operation ◽  
Face To Face ◽  
Global Data

Formasi joint operation (JO) antara perusahaan jasa konstruksi asing dan perusahaan jasa konstruksi lokal bukanlah bentuk kemitraan yang baru di Indonesia. JO telah diimplementasi di Indonesia melalui regulasi pemerintah sejak tahun 1991. Melalui formasi JO perusahaan jasa konstruksi lokal diharapkan mampu meningkatkan kapasitas internalnya sehingga dapat meningkatkan daya saing perusahaan jasa konstruksi lokal baik pada pasar domestik maupun global. Data yang dihimpun dari sumber terkait menunjukkan bahwa adanya tren peningkatan proyek konstruksi yang diselenggarakan melalui formasi JO di Indonesia. Hampir tiga dekade JO diimplementasi, namun hingga kini belum diperoleh kejelasan terhadap varian JO yang ada di Indonesia. Untuk memenuhi kuriositas tersebut, penelitian ini secara khusus bertujuan untuk mengeksplorasi varian JO dan karakteristiknya di Indonesia. Studi kualitatif dengan wawancara semi-terstruktur face to face dilakukan dalam penelitian ini dengan melibatkan beberapa praktisi berpengalaman dan berkompeten sehubungan JO di Indonesia. Hasil studi menunjukkan bahwa teridentifikasi dua varian JO bila ditinjau dari perspektif pengendalian proyek dan tiga varian JO bila ditinjau dari perspektif pengelolaan modal kerja.

Konsumsi Makanan Berisiko Faktor Penyebab Penyakit Tidak Menular

2019 ◽  
Vol 8 (2) ◽  
pp. 100-105
Author(s):  
Nur Fadhilah
Keyword(s):  
Diabetes Mellitus ◽  
Chi Square ◽  
Cross Sectional ◽  
Global Data

Penyakit Tidak Menular (PTM) menjadi penyebab kematian secara global. Data WHO menunjukkan bahwa dari 57 juta kematian di dunia ,sebanyak 36 juta  disebabkan oleh PTM.  Di Negara – Negara dengan tingkat ekonomi rendah/menengah, dari seluruh kematian yang  terjadi pada orang – orang berusia kurang dari 60 tahun, 29% disebabkan oleh PTM. Penyakit cardiovaskular merupakan penyebab terbesar (39%), diikuti kanker (27%), sedangkan penyakit pernafasan kronis, penyakit pencernaan dan PTM yang lain bersama-sama menyebabkan sekitar 30% kematian, serta 4% kematian disebabkan Diabetes Mellitus. Tujuan penelitian ini adalah diketahuinya hubungan konsumsi makanan berisiko dengan kejadian PTM di UPT Puskesmas pringsewu. Penelitian ini menggunkan metode kuantitatif dan pendekatan Cross Sectional,  dengan rumus Harry King diperoleh sampel sejumlah 125 orang dimana pemilihan sampel berdasarkan criteria tertentu. Instrument yang digunakan dengan mengadopsi dari Riskesdas 2018. Analisis data dilakukann dengan univariat dan bivariat dan uji sttistik yang digunakana adalah Chi Square. Hasil penelitian menunjukkan bahwa terdapat hubungan antara konsumsi makanan berisiko dengan kejadian  penyakit tidak menular.  Disarankan kepada masyarakat untuk dapat berperan aktif dalam mengendalikan risiko PTM seperti : konsumsi makana sesuai dengan Pedoman Gizi Seimbang (PSG), aktivitas fisik dan hindari obesitas.  Dan kepada pihak puskesmas  lebih meningkatkan upaya promotif dengan melibatkan peran serta masyarakat melalui kegiatan posyandu/Posbindu.

LNTP-MDBN: Big Data Integrated Learning Framework for Heterogeneous Image Set Classification

2019 ◽  
Vol 15 (2) ◽  
pp. 227-236
Author(s):  
D. Franklin Vinod ◽  
V. Vasudevan
Keyword(s):  
Big Data ◽  
Medical Image ◽  
Research Study ◽  
Big Data Analytics ◽  
Learning Framework ◽  
Image Set Classification ◽  
Filtering Technique ◽  
Image Set ◽  
Hidden Patterns ◽  
Global Data

Background: With the explosive growth of global data, the term Big Data describes the enormous size of dataset through the detailed analysis. The big data analytics revealed the hidden patterns and secret correlations among the values. The major challenges in Big data analysis are due to increase of volume, variety, and velocity. The capturing of images with multi-directional views initiates the image set classification which is an attractive research study in the volumetricbased medical image processing. Methods: This paper proposes the Local N-ary Ternary Patterns (LNTP) and Modified Deep Belief Network (MDBN) to alleviate the dimensionality and robustness issues. Initially, the proposed LNTP-MDBN utilizes the filtering technique to identify and remove the dependent and independent noise from the images. Then, the application of smoothening and the normalization techniques on the filtered image improves the intensity of the images. Results: The LNTP-based feature extraction categorizes the heterogeneous images into different categories and extracts the features from each category. Based on the extracted features, the modified DBN classifies the normal and abnormal categories in the image set finally. Conclusion: The comparative analysis of proposed LNTP-MDBN with the existing pattern extraction and DBN learning models regarding classification accuracy and runtime confirms the effectiveness in mining applications.

Sign in / Sign up

Export Citation Format

Share Document