Land Use Preference for Ecosystem Services and Well-Being in Chittagong Hill Tracts of Bangladesh
Notice bibliographique
Résumé
Researchers increasingly investigate ecosystem services to assess their role in supporting livelihoods, well-being and economic value in order to inform decision-making. Many studies have explored links between ecosystem services and community-based livelihoods, with a very narrow focus on the importance of land use to well-being. We evaluated the value of ecosystem services from various land uses supporting livelihoods and the overall well-being of local communities in the Chittagong Hill Tracts (CHT) of Bangladesh. By applying a participatory habitat valuation approach with the ethnic communities from eight villages, we explored their preferences for, and perceptions of, ecosystem services and their sources in a multi-functional landscape under different land use, i.e., forest, swidden and low-land agriculture, fruit orchard and water bodies, and three land ownership contexts (state, private and mixed ownership on forest lands). Our findings revealed that community land use preference for ecosystem services supports ten different well-being needs. Among others, forests were valued land used for two-thirds of well-being needs, including the provision of shelter, nutrition, primary health care, an adequate supply of potable water, a lower level of ecological stress (i.e., protection from associated landslide soil erosion), cultural and spiritual benefits and livestock foraging. People commonly valued the food, income and nutrition contributions of all land uses. However, different forest and land ownership contexts and rights within the landscape influence people’s preference for ecosystem services from land use in supporting their well-being. People with secure ownership (i.e., private and private-community) showed a broad and positive appreciation for ecosystem services to meet their well-being needs. Our study highlights that local and ethnic people’s land-use preferences and ownership contexts are critical factors in assessing well-being in the context of multifunctional landscapes. We recommend that ecosystem services be considered in future decision-making related to forest and land use to support human well-being.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».