Integrating stakeholders’ perspectives and spatial modelling to develop scenarios of future land use and land cover change in northern Tanzania
Notice bibliographique
Résumé
Rapid rates of land use and land cover change (LULCC) in eastern Africa and limited instances of genuinely equal partnerships involving scientists, communities and decision makers challenge the development of robust pathways toward future environmental and socioeconomic sustainability. We use a participatory modelling tool, Kesho, to assess the biophysical, socioeconomic, cultural and governance factors that influenced past (1959-1999) and present (2000-2018) LULCC in northern Tanzania and to simulate four scenarios of land cover change to the year 2030. Simulations of the scenarios used spatial modelling to integrate stakeholders' perceptions of future environmental change with social and environmental data on recent trends in LULCC. From stakeholders' perspectives, between 1959 and 2018, LULCC was influenced by climate variability, availability of natural resources, agriculture expansion, urbanization, tourism growth and legislation governing land access and natural resource management. Among other socio-environmental-political LULCC drivers, the stakeholders envisioned that from 2018 to 2030 LULCC will largely be influenced by land health, natural and economic capital, and political will in implementing land use plans and policies. The projected scenarios suggest that by 2030 agricultural land will have expanded by 8-20% under different scenarios and herbaceous vegetation and forest land cover will be reduced by 2.5-5% and 10-19% respectively. Stakeholder discussions further identified desirable futures in 2030 as those with improved infrastructure, restored degraded landscapes, effective wildlife conservation, and better farming techniques. The undesirable futures in 2030 were those characterized by land degradation, poverty, and cultural loss. Insights from our work identify the implications of future LULCC scenarios on wildlife and cultural conservation and in meeting the Sustainable Development Goals (SDGs) and targets by 2030. The Kesho approach capitalizes on knowledge exchanges among diverse stakeholders, and in the process promotes social learning, provides a sense of ownership of outputs generated, democratizes scientific understanding, and improves the quality and relevance of the outputs.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».