Land-use intensity mediates ecosystem service tradeoffs across regional social-ecological systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A key sustainability challenge in human-dominated landscapes is how to reconcile competing demands such as food production, water quality, climate regulation, and ecological amenities. Prior research has documented how efforts to prioritize desirable ecosystem services such as food and fiber have often led to tradeoffs with other services. However, the growing literature has revealed different and sometimes contradictory patterns in ecosystem service relationships. It thus remains unclear whether there are generalizable patterns across social-ecological systems, and if not, what factors explain the variations. In this study, we synthesize datasets of five ecosystem services from four social-ecological systems. We ask: (1) Are ecosystem service relationships consistent across distinct regional social-ecological systems? (2) How do ecosystem service relationships vary with land-use intensity at the landscape scale? (3) In case of ecosystem service tradeoffs, how does land-use intensity affect intersection points of tradeoffs along the landscape composition gradient? Our results reveal that land-use intensity increases magnitude of ecosystem service tradeoffs (e.g. food production vs. climate regulation and water quality) across landscapes. Land-use intensity also alters where provisioning and regulating services intersect: in high-intensity systems, food production and regulating services can be both sustained only at smaller proportions of agricultural lands, whereas in low-intensity systems, these services could be both supplied with greater proportions of agricultural lands. Our research demonstrates importance of considering multiple aspects of land uses (landscape composition and land-use intensity), and provides a more nuanced understanding and framework to enhance our ability to predict how land use alters ecosystem service relationships.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 | 0,001 |
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 découle