Re-integrating ecology into integrated landscape approaches
Notice bibliographique
Résumé
Abstract Context Integrated landscape approaches (ILAs) that aim to balance conservation and development targets are increasingly promoted through science, policy, and the donor community. Advocates suggest that ILAs are viable implementing pathways for addressing global challenges such as biodiversity loss, poverty alleviation, and climate change mitigation and adaptation. However, we argue that recent advances in ILA research and discourse have tended to emphasize the social and governance dimensions, while overlooking ecological factors and inadequately considering potential trade-offs between the two fields. Objectives By raising the issue of inadequate integration of ecology in ILAs and providing some general design suggestions, we aim to support and incentivise better design and practice of ILAs, supplementing existing design principles. Methods In this perspective we draw on the recent literature and our collective experience to highlight the need, and the means, to re-integrate ecology into landscape approaches. Results We suggest that better incorporation of the ecological dimension requires the integration of two approaches: one focusing on conventional scientific studies of biodiversity and biophysical parameters; and the other focusing on the engagement of relevant stakeholders using various participatory methods. We provide some general guidelines for how these approaches can be incorporated within ILA design and implementation. Conclusion Re-integrating ecology into ILAs will not only improve ecological understanding (and related objectives, plans and monitoring), but will also generate insights into local and traditional knowledge, encourage transdisciplinary enquiry and reveal important conservation-development trade-offs and synergies.
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) | 0,021 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».