Prioritizing conservation in sub‐Saharan African lakes based on freshwater biodiversity and algal bloom metrics
Notice bibliographique
Résumé
Abstract As agricultural land use and climate change continue to pose increasing threats to biodiversity in sub‐Saharan Africa, efforts are being made to identify areas where trade‐offs between future agricultural development and terrestrial biodiversity conservation are expected to be greatest. However, little research so far has focused on freshwater biodiversity conservation in the context of agricultural development in sub‐Saharan Africa. We aimed to identify lakes and lake areas where freshwater biodiversity is most likely to be affected by eutrophication and Harmful Algal Blooms (i.e., when algae multiply to the extent that they have toxic effects on people and freshwater fauna), some of the most important emerging threats to freshwater ecosystems worldwide, especially with the onset of climate change. Using novel remote‐sensing techniques, we identified lakes that demonstrated high biodiversity and algal bloom levels. We calculated the richness of freshwater species and the normalized difference chlorophyll index (NDCI) to prioritize lakes in Ghana, Ethiopia, Zambia, and bordering countries, of high priority for conservation. We identified 169 priority lakes and lake areas for conservation, based on high levels of biodiversity exposed to potentially harmful algal blooms. Zambia had the most lakes identified as conservation priorities (76% of its small lakes and five 100‐km 2 areas in large lakes). Many of the conservation priority lakes and lake areas identified in this study were in transboundary watersheds; thus, collaborative water resource management and conservation at the watershed scale is needed. The use of remote‐sensing tools to prioritize freshwater systems for conservation according to algal‐bloom risk is vital in remote, undersampled world regions, especially given the increasing threat posed to freshwater biodiversity by rapidly expanding agriculture and climate change.
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 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».