Range-wide trends in tiger conservation landscapes, 2001 - 2020
Notice bibliographique
Résumé
Of all the ways human beings have modified the planet over the last 10,000 years, habitat loss is the most important for other species. To address this most critical threat to biodiversity, governments, non-governmental actors, and the public need to know, in near real-time, where and when habitat loss is occurring. Here we present an integrated habitat modelling system at the range-wide scale for the tiger (Panthera tigris) to measure and monitor changes in tiger habitat at range-wide, national, biome, and landscape scales, as often as the underlying inputs change. We find that after nearly 150 years of decline, effective potential habitat for the tiger seems to have stabilized at around 16% of its indigenous extent (1.817 million km2). As of the 1st of January 2020, there were 63 Tiger Conservation Landscapes in the world, covering 911,920 km2 shared across ten of the 30 modern countries which once harbored tiger populations. Over the last 20 years, the total area of Tiger Conservation Landscapes (TCLs) declined from 1.025 million km2 in 2001, a range-wide loss of 11%, with the greatest losses in Southeast Asia and southern China. Meanwhile, we documented expansions of modelled TCL area in India, Nepal, Bhutan, northern China, and southeastern Russia. We find significant potential for restoring tigers to existing habitats, identified here in 226 Restoration Landscapes. If these habitats had sufficient prey and were tigers able to find them, the occupied land base for tigers might increase by 50%. Our analytical system, incorporating Earth observations, in situ biological data, and a conservation-oriented modelling framework, provides the information the countries need to protect tigers and enhance habitat, including dynamic, spatially explicit maps and results, updated as often as the underlying data change. Our work builds on nearly 30 years of tiger conservation research and provides an accessible way for countries to measure progress and report outcomes. This work serves as a model for objective, range-wide, habitat monitoring as countries work to achieve the goals laid out in the Sustainable Development Goals, the 30×30 Agenda, and the Kunming-Montreal Global Biodiversity Framework.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 0,001 |
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 ».