Optimizing land use decision-making to sustain Brazilian agricultural profits, biodiversity and ecosystem services
Notice bibliographique
Résumé
Designing landscapes that can meet human needs, while maintaining functioning ecosystems, is essential for long-term sustainability. To achieve this goal, we must better understand the trade-offs and thresholds in the provision of ecosystem services and economic returns. To this end, we integrate spatially explicit economic and biophysical models to jointly optimize agricultural profit (sugarcane production and cattle ranching), biodiversity (bird and mammal species), and freshwater quality (nitrogen, phosphorus, and sediment retention) in the Brazilian Cerrado. We generate efficiency frontiers to evaluate the economic and environmental trade-offs and map efficient combinations of agricultural land and natural habitat under varying service importance. To assess the potential impact of the Brazilian Forest Code (FC), a federal policy that aims to promote biodiversity and ecosystem services on private lands, we compare the frontiers with optimizations that mimic the habitat requirements in the region. We find significant opportunities to improve both economic and environmental outcomes relative to the current landscape. Substantial trade-offs between biodiversity and water quality exist when land use planning targets a single service, but these trade-offs can be minimized through multi-objective planning. We also detect non-linear profit-ecosystem services relationships that result in land use thresholds that coincide with the FC requirements. Further, we demonstrate that landscape-level planning can greatly improve the performance of the FC relative to traditional farm-level planning. These findings suggest that through joint planning for economic and environmental goals at a landscape-scale, Brazil's agricultural sector can expand production and meet regulatory requirements, while maintaining biodiversity and ecosystem service provision.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».