Social as much as environmental: the drivers of tree biomass in smallholder forest landscape restoration programmes
Notice bibliographique
Résumé
Abstract A major challenge for forest landscape restoration initiatives is the lack of quantitative evidence on how social factors drive environmental outcomes. Here we conduct an interdisciplinary quantitative analysis of the environmental and social drivers of tree biomass accumulation across 639 smallholder farms restoring native tree species in Mexico, Uganda and Mozambique. We use environmental and social data to assess the relative effects of key hypothesised drivers on aboveground biomass accumulation at the farm-level over ten years. We supplement this with a qualitative analysis of perspectives from local farmers and agroforestry technicians on the potential causal mechanisms of the observed social effects. We find that the material wellbeing of farmers (e.g. assets) and access to agroforestry knowledge explain as much variation in biomass as water availability. Local perspectives suggest that this is caused by the higher adaptive capacity of some farmers and their associated ability to respond to social-ecological shocks and stresses. Additionally, the variation in biomass between farms increased over time. Local perspectives suggested that this was caused by emergent exogenous and stochastic influences which cannot be reliably predicted in technical analyses and guidance. To deal with this persistent uncertainty, local perspectives emphasised the need for flexible and adaptive processes at the farm- and village-levels. The consistency of these findings across three countries suggests these findings are relevant to similar forest restoration interventions. Our findings provide novel quantitative evidence of a social-ecological pathway where the adaptive capacity of local land users can improve ecological processes. Our findings emphasize the need for forest restoration programmes to prioritise investment in the capabilities of local land users, and to ensure that rules support, rather than hinder, adaptive management.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».