Anthropogenic Landscape in Southeastern Amazonia: Contemporary Impacts of Low-Intensity Harvesting and Dispersal of Brazil Nuts by the Kayapó Indigenous People
Notice bibliographique
Résumé
Brazil nut, the Bertholletia excelsa seed, is one of the most important non-timber forest products in the Amazon Forest and the livelihoods of thousands of traditional Amazonian families depend on its commercialization. B. excelsa has been frequently cited as an indicator of anthropogenic forests and there is strong evidence that past human management has significantly contributed to its present distribution across the Amazon, suggesting that low levels of harvesting may play a positive role in B. excelsa recruitment. Here, we evaluate the effects of Brazil nut harvesting by the Kayapó Indigenous people of southeastern Amazonia on seedling recruitment in 20 B. excelsa groves subjected to different harvesting intensities, and investigated if management by harvesters influences patterns of B. excelsa distribution. The number of years of low-intensity Brazil nut harvesting by the Kayapó over the past two decades was positively related to B. excelsa seedling density in groves. One of the mechanisms behind the higher seedling density in harvested sites seems to be seed dispersal by harvesters along trails. The Kayapó also intentionally plant B. excelsa seeds and seedlings across their territories. Our results show not only that low-intensity Brazil nut harvesting by the Kayapó people does not reduce recruitment of seedlings, but that harvesting and/or associated activities conducted by traditional harvesters may benefit B. excelsa beyond grove borders. Our study supports the hypothesis that B. excelsa dispersal throughout the Amazon was, at least in part, influenced by indigenous groups, and strongly suggests that current human management contributes to the maintenance and formation of B. excelsa groves. We suggest that changes in Brazil nut management practices by traditional people to prevent harvesting impacts may be unnecessary and even counterproductive in many areas, and should be carefully evaluated before implementation.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».