Identifying global conservation priorities for terrestrial vertebrates based on multiple dimensions of biodiversity
Notice bibliographique
Résumé
The Kunming-Montreal Global Biodiversity Framework of the Convention on Biological Diversity calls for an expansion of the current protected areas (PAs) to cover at least 30% of global land and water areas by 2030 (i.e., the 30×30 target). Efficient spatial planning for PA expansion is an urgent need for global conservation practice. A spatial prioritization framework considering multiple dimensions of biodiversity is critical for improving the efficiency of the spatial planning of PAs, yet it remains a challenge. We developed an index for the identification of priority areas based on functionally rare, evolutionarily distinct, and globally endangered species (FREDGE) and applied it to 21,536 terrestrial vertebrates. We determined species distributions, conservation status (global endangerment), molecular phylogenies (evolutionary distinctiveness), and life-history traits (functional rarity). Madagascar, Central America, and the Andes were of high priority for the conservation of multiple dimensions of terrestrial vertebrate biodiversity. However, 68.8% of grid cells in these priority areas had <17% of their area covered by PAs, and these priority areas were under intense anthropogenic and climate change threats. These results highlight the difficulties of conserving multiple dimensions of biodiversity. Our global analyses of the geographical patterns of multiple dimensions of terrestrial vertebrate biodiversity demonstrate the insufficiency of the conservation of different biodiversity dimensions, and our index, based on multiple dimensions of biodiversity, provides a useful tool for guiding future spatial prioritization of PA expansion to achieve the 30×30 target under serious pressures.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».