Global camera trap synthesis highlights the importance of protected areas in maintaining mammal diversity
Notice bibliographique
Résumé
Abstract The establishment of protected areas (PAs) is a central strategy for global biodiversity conservation. While the role of PAs in protecting habitat has been highlighted, their effectiveness at protecting mammal communities remains unclear. We analyzed a global dataset from over 8671 camera traps in 23 countries on four continents that detected 321 medium‐ to large‐bodied mammal species. We found a strong positive correlation between mammal taxonomic diversity and the proportion of a surveyed area covered by PAs at a global scale ( β = 0.39, 95% confidence interval [CI] = 0.19–0.60) and in Indomalaya ( β = 0.69, 95% CI = 0.19–1.2), as well as between functional diversity and PA coverage in the Nearctic ( β = 0.47, 95% CI = 0.09–0.85), after controlling for human disturbances and environmental variation. Functional diversity was only weakly (and insignificantly) correlated with PA coverage at the global scale ( β = 0.22, 95% CI = −0.02–0.46), pointing to a need to better understand the functional response of mammal communities to protection. Our study provides important evidence of the global effectiveness of PAs in conserving terrestrial mammals and emphasizes the critical role of area‐based conservation in a post‐2020 biodiversity framework.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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) | 0,005 | 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 ».