MétaCan
Menu
Retour à la cohorte
Enregistrement W2617268218 · doi:10.3390/f8060190

Mangrove Carbon Stocks and Ecosystem Cover Dynamics in Southwest Madagascar and the Implications for Local Management

2017· article· en· W2617268218 sur OpenAlexaff
Lisa Benson, Leah Glass, Trevor Jones, Lalao Ravaoarinorotsihoarana, Cicelin Rakotomahazo

Notice bibliographique

RevueForests · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal wetland ecosystem dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesJohn D. and Catherine T. MacArthur Foundation
Mots-clésMangroveBlue carbonEcosystem servicesEnvironmental scienceEcosystemCarbon sinkCarbon sequestrationAgroforestryLivelihoodGeographySustainable managementEcologyAgricultureSustainabilityBiology

Résumé

récupéré en direct d'OpenAlex

Of the numerous ecosystem services mangroves provide, carbon storage is gaining particular attention for its potential role in climate change mitigation strategies. Madagascar contains 2% of the world’s mangroves, over 20% of which is estimated to have been deforested through charcoal production, timber extraction and agricultural development. This study presents a carbon stock assessment of the mangroves in Helodrano Fagnemotse in southwest Madagascar alongside an analysis of mangrove land-cover change from 2002 to 2014. Similar to other mangrove ecosystems in East Africa, higher stature, closed-canopy mangroves in southwest Madagascar were estimated to contain 454.92 (±26.58) Mg·C·ha−1. Although the mangrove extent in this area is relatively small (1500 ha), these mangroves are of critical importance to local communities and anthropogenic pressures on coastal resources in the area are increasing. This was evident in both field observations and remote sensing analysis, which indicated an overall net loss of 3.18% between 2002 and 2014. Further dynamics analysis highlighted widespread transitions of dense, higher stature mangroves to more sparse mangrove areas indicating extensive degradation. Harnessing the value that the carbon stored within these mangroves holds on the voluntary carbon market could generate revenue to support and incentivise locally-led sustainable mangrove management, improve livelihoods and alleviate anthropogenic pressures.

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)0,000
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 enseignants0,389
Score d'incertitude au seuil0,620

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,215
Écart entre enseignants0,210 · 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

Citations53
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetCoastal wetland ecosystem dynamicsTravaux en français237 207