MétaCan
Menu
Retour à la cohorte
Enregistrement W4297520977 · doi:10.1101/2022.09.27.509807

Acclimating to degraded environments: The social rationale for swift action on restoration

2022· preprint· en· W4297520977 sur OpenAlexaff
Vadim A. Karatayev, Robyn S. Wilson, D. G. Webster, Mark Axelrod, Chris T. Bauch, Madhur Anand

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésStakeholderBusinessRecreationIncentiveEnvironmental degradationGovernment (linguistics)Environmental planningEnvironmental resource managementPublic participationAdaptive managementNatural resource economicsEnvironmental sciencePolitical scienceEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

As environmental degradation progresses, economies and societies adapt to the loss of ecosystem services and public attention to degradation subsides. In systems experiencing such societal acclimation to degradation, net incentives for stakeholder mitigation peak during early degradation phases and subside over time. Using harmful algae blooms in western Lake Erie as a case study, we illustrate how declines in public attention and societal reliance on lake recreation (i.e., finding recreation alternatives) reduce the incentives for stakeholders to reduce pollution runoff (i.e., mitigation efforts throughout the watershed). We then analyze how acclimation can affect a broad array of conservation challenges by developing a general socio-ecological model of societal response to degradation. We find that delays in initiating stakeholder-driven mitigation efforts can exponentially prolong restoration projects. Furthermore, when alleviating intense degradation relies upon voluntary commitments by many individuals, windows of opportunity for mitigation can be very limited because feedback loops of societal adaptation doom late restoration efforts to failure and lock human-environment systems into degraded states. These windows of opportunity can be particularly narrow when a) stakeholder mitigation requires supportive public opinion or b) even modestly valuable alternative services are available in degraded ecosystems. In such cases, maintaining undegraded human-environment regimes may hinge on quickly initiating stakeholder mitigation movements and allocating limited government conservation funds soon after degradation begins instead of spreading mitigation efforts out over decades. Such initiatives, regardless of whether acclimation is slow or rapid in a given system, also greatly accelerate the pace of environmental restoration. Significance Statement As societies acclimate to degraded environments, mitigation efforts that hinge on action by many stakeholders can erode. Developing a socio-ecological model of acclimation, we reveal how social and environmental processes intertwine to create alternative stable socio-ecological regimes, with either: 1) undegraded ecosystem states sustained by widespread mitigation adoption, or 2) degraded states where societies neither maintain nor continue relying on traditional, local ecosystem services. This dynamic places a premium on prompt mitigation efforts, which may face narrow opportunity windows to get started and avert degraded regimes in systems that rely on stakeholder-driven mitigation. Moreover, in any system requiring stakeholder action, societal acclimation will increase the importance of early action because decaying mitigation incentives exponentially lengthen restoration efforts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,030
Communication savante0,0050,006
Science ouverte0,0020,007
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,254
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetLand Use and Ecosystem ServicesTravaux en français237 207