Integrating climate change into agroforestry conservation: a case study on native plant species in the Brazilian Atlantic Forest
Notice bibliographique
Résumé
Designing multispecies systems with suitable climatic affinity and identifying species’ vulnerability under human-driven climate change are current challenges to achieve successful adaptation of natural systems. To address this problem, we need to (1) identify groups of species with climatic similarity under climate scenarios and (2) identify areas with high conservation value under predicted climate change. To recognize species with similar climatic niche requirements that can be grouped for mixed cropping in Brazil, we employed Ecological Niche Models (ENMs) and Spearman’s ρ for overlap. We also used prioritization algorithms to map areas of high conservation value using two Shared Socioeconomic Pathways (SSP2-4.5 and SSP5-8.5) to assess mid-term (2041-2060) and long-term (2061-2080) climate change impacts. We identified 15 species groups with finer climatic affinities at different times depicted on hierarchical clustering dendrograms, which can be combined into agroecological agroforestry systems. Furthermore, we highlight the climatically suitable areas for these groups of species, thus providing an outlook of where different species will need to be planted over time to be conserved. In addition, we observed that climate change is predicted to modify the spatial association of these groups under different future climate scenarios, causing a mean negative change in species climatic similarity of 9.5% to 13.7% under SSP2-4.5 scenario and 9.5% to 10.5% under SSP5-8.5, for 2041-2060 and 2061-2080, respectively. Synthesis and applications. Our findings provide a framework for agroforestry conservation. The groups of species with finer climatic affinities identified and the climatically suitable areas can be combined into agroecological productive systems, and provide an outlook of where different species may be planted over time. In addition, the conservation priority zones displaying high climate stability for each species individually and all at once can be incorporated into Brazil's conservation plans by policymakers in order to prioritize specific sites. Lastly, we urge policymakers, conservation organizations, and donors to promote interventions involving farmers and local communities, since the species’ evaluated have proven to maintain landscapes with productive forest fragments and can be conserved in different Brazilian ecosystems.
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 | 0,001 | 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».