Tropical and subtropical Asia's valued tree species under threat
Notice bibliographique
Résumé
Tree diversity in Asia's tropical and subtropical forests is central to nature-based solutions. Species vulnerability to multiple threats, which affect provision of ecosystem services, is poorly understood. We conducted a region-wide, spatially explicit assessment of the vulnerability of 63 socioeconomically important tree species to overexploitation, fire, overgrazing, habitat conversion, and climate change. Trees were selected for assessment from national priority lists, and selections were validated by an expert network representing 20 countries. We used Maxent suitability modeling to predict species distribution ranges, freely accessible spatial data sets to map threat exposures, and functional traits to estimate threat sensitivities. Species-specific vulnerability maps were created as the product of exposure maps and sensitivity estimates. Based on vulnerability to current threats and climate change, we identified priority areas for conservation and restoration. Overall, 74% of the most important areas for conservation of these trees fell outside protected areas, and all species were severely threatened across an average of 47% of their native ranges. The most imminent threats were overexploitation and habitat conversion; populations were severely threatened by these factors in an average of 24% and 16% of their ranges, respectively. Our model predicted limited overall climate change impacts, although some study species were likely to lose over 15% of their habitat by 2050 due to climate change. We pinpointed specific natural areas in Borneo rain forests as hotspots for in situ conservation of forest genetic resources, more than 82% of which fell outside designated protected areas. We also identified degraded areas in Western Ghats, Indochina dry forests, and Sumatran rain forests as hotspots for restoration, where planting or assisted natural regeneration will help conserve these species, and croplands in southern India and Thailand as potentially important agroforestry options. Our results highlight the need for regionally coordinated action for effective conservation and restoration.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».