A freshwater perspective on the United Nations decade for ecosystem restoration
Notice bibliographique
Résumé
Abstract Globally, ecosystems have suffered from anthropogenic stressors as we enter the sixth mass extinction within the Anthropocene. In response, the UN has declared 2020–2030 the Decade for Ecosystem Restoration, aiming to mitigate ecosystem degradation and biodiversity loss. Freshwater ecosystems are disproportionately impacted relative to marine or terrestrial systems and ecological restoration is needed to preserve biodiversity and ecosystem services. Paradoxically, freshwater is among Earth's most vital ecosystem services. Here we identify meaningful considerations from a freshwater perspective that will lead to progression toward the restoration of freshwater ecosystems: work across terrestrial and freshwater boundaries during restoration, emulate nature, think and act on a watershed scale, design for environmental heterogeneity, mitigate threats alongside restoration, identify bright spots, think long term (a decade is not long enough), and embrace social–ecological systems thinking. Further, we reflect upon the three implementation pathways identified by the UN to translate these considerations into practice in hopes of “bending the curve” for freshwater biodiversity and ecosystems. Pathway 1, building a global movement, could create a network to share experiences and knowledge promoting vicarious learning, ultimately leading to more effective restoration. Pathway 2, generating political support, will be necessary to institutionalize ecosystem protection and restoration by demonstrating the value of freshwater ecosystems and biodiversity. Pathway 3, building technical capacity, aims to improve the current and often ineffective restoration toolbox by incorporating evidence syntheses (i.e., appraisal of evidence base) and Indigenous ways of knowing (i.e., two eyed seeing). Given that freshwater ecosystems are in dire need of repair, it is our hope that these considerations and implementation pathways will contribute to an actionable and productive Decade for Ecosystem 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 | 0,015 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,011 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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; 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 ».