Rural outmigration generates a carbon sink in South China karst
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
China karst is a global hotspot of increasing vegetation cover, with ecological conservation projects being considered as the main driver. New research using global datasets also indicates that rural outmigration has contributed to increasing biomass at national scale. However, the link between rural outmigration and vegetation cover increase has not been established at regional scale, and it remains unclear as to whether increases in biomass do, in fact, improve the environmental conditions. In this study, we use local field and statistical data on population density and rocky desertification areas to study population movements and changes in aboveground biomass in relation to rocky desertification in South China karst during 2000–2017. Our results show that the urban population in this region increased by 8.3 million people between 2005 and 2015, and the rural population decreased by 4.8 million people. We find that aboveground biomass increased most in rural areas with low human pressure, and that there was an almost linear relationship between increase in biomass and rural outmigration, with the highest increase in aboveground biomass density (1.5 MgC ha −1 yr −1 ) observed in areas where rural outmigration was highest, and the lowest increase in aboveground biomass density (1.1 MgC ha −1 yr −1 ) where rural outmigration was lowest. Rocky desertification areas decreased with a higher level of rural outmigration. Using local field data, our study confirmed that rural outmigration can generate a carbon sink at regional scale by reducing rocky desertification.
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.
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 découle