Do citizens value climate change mitigation over biodiversity protection? Exploring citizen support for salt marsh management
Notice bibliographique
Résumé
In December 2022, representatives adopted the Kunming-Montreal Global Biodiversity Framework (GBF). The overarching goal of the agreement is to halt biodiversity loss and restore natural ecosystems – and a much-cited target is the “30x30” target of protecting and restoring 30% of Earth by 2030. Salt marshes are highly productive coastal ecosystems relevant for both biodiversity and climate change mitigation but have experienced historical major losses and are among the habitats in need of protection and restoration. Currently, there is little knowledge about how salt marshes are valued from a societal perspective, which has important management implications. This is particularly the case in the Nordic region where awareness of these habitats is low. Using survey data from Norway, Sweden, Finland, Denmark, and Germany, this study contributes understanding how citizens value salt marshes by examining support for different management initiatives framed as contributing to the goal of either biodiversity protection or climate change mitigation. Generally, both respondents primed with information about the importance of salt marshes for biodiversity and for climate change mitigation were supportive of the management initiatives despite having little previous knowledge of salt marshes. For one initiative, respondents who were informed of the importance of salt marshes for biodiversity were slightly more likely to support the management initiative than those informed about the importance of salt marshes for climate change mitigation. Our study provides guidance for assessment of trade-offs from a human valuation perspective, thus supporting policy makers when considering arguments for salt marsh management within the context of the 30x30 targets for protected areas.
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 | 0,006 | 0,015 |
| 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 | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».