Terrestrial Vertebrate Biodiversity Loss under Future Global Land Use Change Scenarios
Notice bibliographique
Résumé
Efficient forward-looking mitigation measures are needed to halt the global biodiversity decline. These require spatially explicit scenarios of expected changes in multiple indicators of biodiversity under future socio-economic and environmental conditions. Here, we link six future (2050 and 2100) global gridded maps (0.25° × 0.25° resolution) available from the land use harmonization (LUH) database, representing alternative concentration pathways (RCP) and shared socio-economic pathways (SSPs), with the countryside species–area relationship model to project the future land use change driven rates of species extinctions and phylogenetic diversity loss (in million years) for mammals, birds, and amphibians in each of the 804 terrestrial ecoregions and 176 countries and compare them with the current (1900–2015) and past (850–1900) rates of biodiversity loss. Future land-use changes are projected to commit an additional 209–818 endemic species and 1190–4402 million years of evolutionary history to extinction by 2100 depending upon the scenario. These estimates are driven by land use change only and would likely be higher once the direct effects of climate change on species are included. Among the three taxa, highest diversity loss is projected for amphibians. We found that the most aggressive climate mitigation scenario (RCP2.6 SSP-1), representing a world shifting towards a radically more sustainable path, including increasing crop yields, reduced meat production, and reduced tropical deforestation coupled with high trade, projects the lowest land use change driven global biodiversity loss. The results show that hotspots of future biodiversity loss differ depending upon the scenario, taxon, and metric considered. Future extinctions could potentially be reduced if habitat preservation is incorporated into national development plans, especially for biodiverse, low-income countries such as Indonesia, Madagascar, Tanzania, Philippines, and The Democratic Republic of Congo that are otherwise projected to suffer a high number of land use change driven extinctions under all scenarios.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».