Forest buffer-strips mitigate the negative impact of oil palm plantations on stream communities
Notice bibliographique
Résumé
The global area cultivated with oil palm has doubled in the past two decades, causing deforestation, land-use change, freshwater pollution, and species loss in tropical ecosystems worldwide. Despite the palm-oil industry been linked to severe deterioration of freshwater ecosystems, most studies have focused on terrestrial environments, while freshwaters have been significantly less studied. We evaluated these impacts by contrasting freshwater macroinvertebrate communities and habitat conditions in 19 streams from primary forests (7), grazing lands (6), and oil palm plantations (6). In each stream, we measured environmental characteristics, e.g., habitat composition, canopy cover, substrate, water temperature, and water quality; and we identified and quantified the assemblage of macroinvertebrates. Streams in oil palm plantations lacking riparian forest strips showed warmer and more variable temperatures, higher turbidity, lower silica content, and poorer macroinvertebrate taxon richness than primary forests. Grazing lands showed higher conductivity and temperature, and lower dissolved oxygen and macroinvertebrate taxon richness than primary forests. In contrast, streams in oil palm plantations that conserved a riparian forest, showed a substrate composition, temperature, and canopy cover more similar to the ones in primary forests. These habitat improvements by riparian forests in the plantations increased macroinvertebrate taxon richness and maintained a community resembling more the one in primary forests. Therefore, the conversion of grazing lands (instead of primary forests) to oil palm plantations can increase freshwater taxon richness only if riparian native forests are safeguarded.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».