Underlying and proximate drivers of biodiversity changes in Mesoamerican biosphere reserves
Notice bibliographique
Résumé
Protected areas are of paramount relevance to conserving wildlife and ecosystem contributions to people. Yet, their conservation success is increasingly threatened by human activities including habitat loss, climate change, pollution, and species overexploitation. Thus, understanding the underlying and proximate drivers of anthropogenic threats is urgently needed to improve protected areas' effectiveness, especially in the biodiversity-rich tropics. We addressed this issue by analyzing expert-provided data on long-term biodiversity change (last three decades) over 14 biosphere reserves from the Mesoamerican Biodiversity Hotspot. Using multivariate analyses and structural equation modeling, we tested the influence of major socioeconomic drivers (demographic, economic, and political factors), spatial indicators of human activities (agriculture expansion and road extension), and forest landscape modifications (forest loss and isolation) as drivers of biodiversity change. We uncovered a significant proliferation of disturbance-tolerant guilds and the loss or decline of disturbance-sensitive guilds within reserves causing a "winner and loser" species replacement over time. Guild change was directly related to forest spatial changes promoted by the expansion of agriculture and roads within reserves. High human population density and low nonfarming occupation were identified as the main underlying drivers of biodiversity change. Our findings suggest that to mitigate anthropogenic threats to biodiversity within biosphere reserves, fostering human population well-being via sustainable, nonfarming livelihood opportunities around reserves is imperative.
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 | 0,001 | 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 | 0,001 |
| 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 ».