Practitioner views on the determinants of tropical forest restoration longevity
Notice bibliographique
Résumé
Ensuring the long‐term persistence of tropical forest restoration projects is vital to maintaining carbon stocks, biodiversity, and other benefits of restored ecosystems. But our understanding of the factors that determine restoration longevity—the age that a restored ecosystem attains before being converted to another land use—is limited, and derived primarily from studies based on remote sensing or observations at a single site over time. In this article, we apply a new approach by surveying restoration practitioners from across the tropics on the factors that they perceive to influence restoration longevity. Through an online survey (including categorical and open‐ended questions) we asked practitioners about the ecological and social characteristics of their restoration projects, and their views on what factors contribute to project longevity. We summarized the information on project characteristics, and conducted thematic analysis and coding of the longevity drivers discussed by respondents. A total of 29 respondents from 15 tropical countries completed our survey, with the majority of projects occurring on previously pastured lands in wet and lowland tropical forests. Practitioners discussed social factors more than twice as frequently as ecological factors. The most frequently cited social factor key to restoration longevity was engagement with multiple stakeholders, followed by long‐term funding, the need for innovative project design, as well as effective and inspirational leadership. Overall, the voices of practitioners underscore the critical need to address local social context in order to achieve long‐term forest recovery.
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 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 | 0,000 |
| 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 tête enseignante, 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 ».