Drivers of ecosystem service specialization in a smallholder agricultural landscape of the Global South: a case study in Ethiopia
Notice bibliographique
Résumé
The global shift toward agricultural specialization in the 20th century led to unprecedented ecological and socioeconomic changes, both positive and negative, in rural landscapes. Economic theory describes comparative advantage and market participation as two important drivers of such changes. Landscapes in the Global South are still often characterized by subsistence agriculture and direct dependence on natural ecosystem processes. Agricultural specialization is part of the structural transformation process from subsistence to market-oriented agriculture. However, comparative advantage and market participation as major drivers for agricultural specialization remain understudied. In this paper, we assess the potential drivers of ecosystem service specialization in an Ethiopian smallholder landscape at the kebele level, the smallest administrative unit in Ethiopia. We measured specialization via the concentration of production for a range of locally important provisioning ecosystem services (beef, cattle, coffee, eucalyptus, honey, maize, sorghum, and teff). We measured comparative advantage based on productivity data, and assessed spatial flows of ecosystem services to local, regional, and global markets (i.e., telecoupling). To unpack the relationships between specialization, comparative advantage, and telecoupling, we used hierarchical clustering, principal component analysis, correlation analysis, and linear regression. More telecoupled kebeles (i.e., kebeles that produced more of ecosystem services that flow to broader spatial scales) were more specialized in their ecosystem service production, and the positive relationship between comparative advantage and specialization grew stronger with altitude. Wealthier kebeles and kebeles with higher population density were less specialized. Biophysical drivers, such as altitude and amount of forest cover, influenced the ecosystem services produced and the relationship between comparative advantage and specialization. Policy makers should therefore try to balance potential positive and negative consequences of specialization, and to account for fine-scale social and biophysical drivers underpinning diverse ecosystem service production profiles.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 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 ».