Effectiveness of Heilongjiang Nanwenghe Nature Reserve in Improving Habitat Quality in and around the Reserve
Notice bibliographique
Résumé
Abstract Biodiversity loss is a critical challenge globally, and protected areas (PAs) has been established as an important policy tool for conservation. However, doubts exist regarding their effectiveness, and their policy effects and spatial spillover effects on surrounding areas are poorly understood. To address this, this study evaluated the effectiveness of Heilongjiang Nanwenghe National Nature Reserve (HNNNR) in China by using a combination of the InVEST model and the improved SDID model. The study covers a time span of approximately 31 years (1990–2020) and is divided into two periods (1990–1999 and 1999–2020), which allows for the assessment of the effects of nature reserves in the region. Our results showed that: (1) The establishment of HNNNR has improved the habitat quality in the reserve and Non-reserve area, with a greater impact on habitat quality in non-reserve areas than in the reserve; (2) The core zone within HNNNR showed the most significant improvement in habitat quality, while the buffer zone showed the least improvement; (3) The improvement of habitat quality in non-reserve area was mainly contributed by the policy spatial spillover effects, where the buffer zone has the strongest spillover benefits to the non-reserve, but the core zone has the weakest spillover effects to the non-reserve. Our results show the beneficial impact of a nature reserve for improving habitat quality in and around the reserve. This study provides a quantitative paradigm for assessing the conservation effectiveness of PAs across temporal and spatial scales.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».