Serengeti’s futures: Exploring land use and land cover change scenarios to craft pathways for meeting conservation and development goals
Notice bibliographique
Résumé
Rapid land use transformations and increased climatic uncertainties challenge potential sustainable development pathways for communities and wildlife in regions with strong economic reliance on natural resources. In response to the complex causes and consequences of land use change, participatory scenario development approaches have emerged as key tools for analyzing drivers of change to help chart the future of socio-ecological systems. We assess stakeholder perspectives of land use and land cover change (LULCC) and integrate co-produced scenarios of future land cover change with spatial modeling to evaluate how future LULCC in the wider Serengeti ecosystem might align or diverge with the United Nations’ Sustainable Development Goals and the African Union’s Agenda 2063. Across the wider Serengeti ecosystem, population growth, infrastructural development, agricultural economy, and political will in support of climate change management strategies were perceived to be the key drivers of future LULCC. Under eight scenarios, declines in forest area as a proportion of total land area ranged from 0.1% to 4% in 2030 and from 0.1% to 6% in 2063, with the preservation of forest cover linked to the level of protection provided. Futures with well-demarcated protected areas, sound land use plans, and stable governance were highly desired. In contrast, futures with severe climate change impacts and encroached and degazetted protected areas were considered undesirable. Insights gained from our study are important for guiding pathways toward achieving sustainability goals while recognizing societies’ relationship with nature. The results highlight the usefulness of multi-stakeholder engagement, perspective sharing, and consensus building toward shared socio-ecological goals.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».