Pasture intensification is insufficient to relieve pressure on conservation priority areas in open agricultural markets
Notice bibliographique
Résumé
Agricultural expansion is a leading driver of biodiversity loss across the world, but little is known on how future land-use change may encroach on remaining natural vegetation. This uncertainty is, in part, due to unknown levels of future agricultural intensification and international trade. Using an economic land-use model, we assessed potential future losses of natural vegetation with a focus on how these may threaten biodiversity hotspots and intact forest landscapes. We analysed agricultural expansion under proactive and reactive biodiversity protection scenarios, and for different rates of pasture intensification. We found growing food demand to lead to a significant expansion of cropland at the expense of pastures and natural vegetation. In our reference scenario, global cropland area increased by more than 400 Mha between 2015 and 2050, mostly in Africa and Latin America. Grazing intensification was a main determinant of future land-use change. In Africa, higher rates of pasture intensification resulted in smaller losses of natural vegetation, and reduced pressure on biodiversity hotspots and intact forest landscapes. Investments into raising pasture productivity in conjunction with proactive land-use planning appear essential in Africa to reduce further losses of areas with high conservation value. In Latin America, in contrast, higher pasture productivity resulted in increased livestock exports, highlighting that unchecked trade can reduce the land savings of pasture intensification. Reactive protection of sensitive areas significantly reduced the conversion of natural ecosystems in Latin America. We conclude that protection strategies need to adapt to region-specific trade positions. In regions with a high involvement in international trade, area-based conservation measures should be preferred over strategies aimed at increasing pasture productivity, which by themselves might not be sufficient to protect biodiversity effectively.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».