Karst landscapes of China: patterns, ecosystem processes and services
Notice bibliographique
Résumé
Abstract Context The karst region of southwestern China, one of the largest continuous karsts in the world, is known for its unique landscapes and rich biodiversity. This region has suffered severe environmental degradation (e.g., vegetation cover loss, soil erosion and biodiversity loss). In recent decades, Chinese governments at different levels have initiated several ecological programs (e.g., Green for Grain, Mountain Closure) to restore the degraded environment and to alleviate poverty. Objectives This study summarizes landscape studies of karst landscapes patterns, their dynamics and interactions among landscape pattern, hydrological processes and ecosystem services (ES). Methods We conducted a systematic literature review of science and land use policy to identify knowledge gaps and recommend future research and policy directions. Results Karst landscapes have experienced rapid turnover in recent decades due largely to the overlap of intense human activity on the fragile karst ecosystems. Many studies have comprehensively examined hydrology, soil processes and ecosystem services (ES) and their relationships with landscape pattern. Most of these studies have found that karst ecosystems recover with improved ES. However, the importance of epikarst in hydrological and soil processes, intense anthropogenic disturbance and landscape heterogeneity in landscape models remains elusive. Conclusions Future research should focus on in-depth examination and modelling of karst specific hydrological and soil processes, investigating relationships between climatic change, landscape change, ecological processes, and region-specific ES assessments. Results from such research should provide the necessary scientific support for a comprehensive, national karst rocky desertification treatment project (Stage II) and poverty alleviation initiatives.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| 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 | 0,000 |
| 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 ».