Rapid Recent Deforestation Incursion in a Vulnerable Indigenous Land in the Brazilian Amazon and Fire-Driven Emissions of Fine Particulate Aerosol Pollutants
Notice bibliographique
Résumé
Deforestation in the Brazilian Amazon is related to the use of fire to remove natural vegetation and install crop cultures or pastures. In this study, we evaluated the relation between deforestation, land-use and land-cover (LULC) drivers and fire emissions in the Apyterewa Indigenous Land, Eastern Brazilian Amazon. In addition to the official Brazilian deforestation data, we used a geographic object-based image analysis (GEOBIA) approach to perform the LULC mapping in the Apyterewa Indigenous Land, and the Brazilian biomass burning emission model with fire radiative power (3BEM_FRP) to estimate emitted particulate matter with a diameter less than 2.5 µm (PM2.5), a primary human health risk. The GEOBIA approach showed a remarkable advancement of deforestation, agreeing with the official deforestation data, and, consequently, the conversion of primary forests to agriculture within the Apyterewa Indigenous Land in the past three years (200 km2), which is clearly associated with an increase in the PM2.5 emissions from fire. Between 2004 and 2016 the annual average emission of PM2.5 was estimated to be 3594 ton year−1, while the most recent interval of 2017–2019 had an average of 6258 ton year−1. This represented an increase of 58% in the annual average of PM2.5 associated with fires for the study period, contributing to respiratory health risks and the air quality crisis in Brazil in late 2019. These results expose an ongoing critical situation of intensifying forest degradation and potential forest collapse, including those due to a savannization forest-climate feedback, within “protected areas” in the Brazilian Amazon. To reverse this scenario, the implementation of sustainable agricultural practices and development of conservation policies to promote forest regrowth in degraded preserves are essential.
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 | 0,001 | 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) | 0,001 | 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 ».