Land use change and forest patch analysis as a decision‐making tool to sustainably develop plantation agriculture and optimize biodiversity conservation
Notice bibliographique
Résumé
Abstract Established for biodiversity conservation, protected areas (PAs) have been downsized, downgraded, and/or degazetted for socioeconomic development including plantation agriculture. Although studies have highlighted causes, implications for biodiversity conservation, and the need for policies governing Protected Area Downsizing, Downgrading, and Degazettement (PADDD), no study has proposed a methodology to inform PADDD events to help decision making that balance economic growth pursuit with ecological and environmental commitments. A methodology based on land use change and forest patch analysis has been applied to Buvuma Island to guide the choice of PAs that can undergo PADDD as well as identification of new areas that can be declared as PAs. Our results revealed that, over the last decade, natural vegetation of Buvuma Island has been highly degraded with forest depletion from 45.0% in 2007 to 15.8% in 2016. About 65% of the initial forest cover were lost. The average yearly forest loss rate was 3.2% or 712.8 ha. A total number of 19 PAs covering 3103 ha including 2816 ha of existing PAs and 287 ha of identified forest patches were selected for biodiversity conservation. This flexible methodology can be applied at various spatial and temporal scale to ensure sustainable plantation agriculture development.
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 | 0,001 |
| 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 ».