Managing biodiversity in the Anthropocene: discussing the Nature Futures Framework as a tool for adaptive decision-making for nature under climate change
Notice bibliographique
Résumé
Abstract Conservation approaches to social-ecological systems have largely been informed by a framing of preserving nature for its instrumental societal benefits, often ignoring the complex relationship of humans and nature and how climate change might impact these. The Nature Futures Framework (NFF) was developed by the Task Force on scenarios and models of the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services as a heuristic approach that appreciates the diverse positive values of nature and its contribution to people. In this overview, we convene a group of experts to discuss the NFF as a tool to inform management in social-ecological systems facing climate change. We focus on three illustrative case studies from the global south across a range of climate change impacts at different ecological levels. We find that the NFF can facilitate the identification of trade-offs between alternative climate adaptation pathways based on different perspectives on the values of nature they emphasize. However, we also identify challenges in adopting the NFF, including how outputs can be translated into modeling frameworks. We conclude that using the NFF to unpack diverse management options under climate change is useful, but that there are still gaps where more work needs to be done to make it fully operational. A key conclusion is that a range of multiple perspectives of people’s values on nature could result in adaptive decision-making and policy that is resilient in responding to climate change impacts in social-ecological systems.
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 | 0,044 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,029 |
| Communication savante | 0,015 | 0,019 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,013 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».