What Is Threatening Forests in Protected Areas? A Global Assessment of Deforestation in Protected Areas, 2001–2018
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The protection of forests is crucial to providing important ecosystem services, such as supplying clean air and water, safeguarding critical habitats for biodiversity, and reducing global greenhouse gas emissions. Despite this importance, global forest loss has steadily increased in recent decades. Protected Areas (PAs) currently account for almost 15% of Earth's terrestrial surface and protect 5% of global tree cover and were developed as a principal approach to limit the impact of anthropogenic activities on natural, intact ecosystems and habitats. We assess global trends in forest loss inside and outside of PAs, and land cover following this forest loss, using a global map of tree cover loss and global maps of land cover. While forests in PAs experience loss at lower rates than non-protected forests, we find that the temporal trend of forest loss in PAs is markedly similar to that of all forest loss globally. We find that forest loss in PAs is most commonly-and increasingly-followed by shrubland, a broad category that could represent re-growing forest, agricultural fallows, or pasture lands in some regional contexts. Anthropogenic forest loss for agriculture is common in some regions, particularly in the global tropics, while wildfires, pests, and storm blowdown are a significant and consistent cause of forest loss in more northern latitudes, such as the United States, Canada, and Russia. Our study describes a process for screening tree cover loss and agriculture expansion taking place within PAs, and identification of priority targets for further site-specific assessments of threats to PAs. We illustrate an approach for more detailed assessment of forest loss in four case study PAs in Brazil, Indonesia, Democratic Republic of Congo, and the United States.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle