Editorial: Forests of high naturalness as references for management and conservation: Potential and pitfalls
Notice bibliographique
Résumé
Forest ecosystems are critical to address the collapse of biodiversity and climate change crisis faced by our societies.The many habitats and ecosystem services they provide, such as carbon sequestration or water cycle regulation, need to be protected.In this context, forests of high naturalness have an exceptional importance because of the higher amount and quality of ecosystem services they provide compared to managed forests (Watson et al., 2018)."Naturalness" describes a gradient of human impact on nature, with naturalness increasing as human impact decreases (Winter, 2012).This concept is however rooted in the Western paradigm of "nature/culture" distinction (Ducarme et al., 2021).In this Research Topic, Clement et al. emphasize that high naturalness does not mean an absence of humans and interactions with their environment.The authors focus on the Amazonian Indigenous Peoples, who have been using and changing the Amazonian forest for millennia, a forest that is at the same time recognized for its high naturalness value (Potapov et al., 2008;Venter et al., 2016).Acknowledging that the loss of naturalness is mainly due to modern industrial activities, and not to human presence per se, is essential for considering the various issues explored in this Research Topic.For example, the Food and Agriculture Organization of the United Nations has recently recognized that a forest showing evidences of traditional indigenous activities can still be considered a primary forest (FAO, 2020).Reducing or even halting the degradation of forests of high naturalness is a critical issue, as modern human activities continue to cause their loss around the world (Potapov et al., 2017), aggravating climate change and biodiversity loss crises.Tropical and boreal forests contain the largest remaining area of forests
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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,024 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,016 |
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 ».