MétaCan
Menu
Retour à la cohorte
Enregistrement W2077467872 · doi:10.1080/19390450903350812

Can Payments for Watershed Services Help Finance Biodiversity Conservation? A Spatial Analysis of Highland Guatemala

2010· article· en· W2077467872 sur OpenAlexaboutno aff
Stefano Pagiola, Wei Zhang, Ale Colom

Notice bibliographique

RevueJournal of Natural Resources Policy Research · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesNature Conservancy
Mots-clésBiodiversityPaymentEcosystem servicesBiodiversity conservationQuarter (Canadian coin)Measurement of biodiversityWatershedNatural resource economicsBusinessEnvironmental resource managementWork (physics)GeographyEnvironmental planningEcologyEnvironmental scienceEconomicsEcosystemFinanceBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Payments for environmental services (PES) are a promising mechanism for conservation. PES could either provide additional funding for protected areas, pay land users to conserve biodiversity outside protected areas, or both. PES require a secure long-term source of financing to work effectively. Obtaining payments directly for biodiversity conservation is difficult, however. In most cases, water users are the most likely source, either directly or indirectly. Thus the potential for PES to help conserve biodiversity depends, in a large measure, on the degree to which areas of interest for conservation of water services overlap with areas of interest for conservation of biodiversity. This paper examines the extent of such an overlap in the case of highland Guatemala. The results show that this potential varies substantially within the country, with some biodiversity conservation priority areas having very good potential for receiving payments, and others little or none. Overall, about a quarter of all biodiversity conservation priority areas have potential for receiving payments. Thus PES are far from being a silver bullet for biodiversity conservation, but they can make a meaningful contribution to this objective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,308
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Natural Resources Policy ResearchMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207