Global review of meta-analyses reveals key data gaps in agricultural impact studies on biodiversity in croplands
Notice bibliographique
Résumé
Abstract Aim Agriculture depends heavily on biodiversity, yet unsustainable management practices continue to affect a wide range of organisms and ecosystems at unprecedented levels worldwide. Addressing the global challenge of biodiversity loss requires access to consolidated knowledge across management practices, spatial levels, and taxonomic groups. Location Global Time period 1994 to 2022 Major taxa studied Animals, microorganisms, plants. Methods We conducted a comprehensive literature review synthesising data from all meta-analyses about the impacts of agricultural management practices on biodiversity in croplands, covering field, farm, and landscape levels. From 200 retained meta-analyses, we extracted 1,885 mean effect sizes (from 69,850 comparisons between a control and treatment) assessing the impact of management practices on biodiversity, alongside characterising over 9,000 primary papers. Results Seven high-income countries, notably the USA, China, and Brazil dominate agricultural impact studies with fertiliser use, phytosanitary interventions and crop diversification receiving widespread attention. The focus on individual practices overshadows research at the farm and landscape level. Taxonomically, Animalia, especially arthropods, are heavily studied while taxa such as annelids and plants receive comparatively less attention. Effect sizes are predominantly calculated from averaged abundance data. Significant gaps persist in terms of studies on the effects of agricultural interventions on specific taxonomic groups (e.g. annelids, mammals) and studies analysing functional traits. Main conclusions Our study highlights the importance of analysing the effects of combined practices to accurately reflect real-world farming contexts. While abundance metrics are common, reflecting several biodiversity facets and adopting a more balanced research approach across taxa are crucial for understanding biodiversity responses to agricultural changes and informing conservation strategies. Given the unbalanced evidence on impacts of agricultural practices on biodiversity, caution is required when utilising meta-analytical findings for informing public policies or integrating them into global assessment models like life-cycle assessments or global flux models.
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 | 0,077 | 0,209 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,028 |
| Bibliométrie | 0,015 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».