An actor-centered, scalable land system typology for addressing biodiversity loss in the world’s tropical dry woodlands
Notice bibliographique
Résumé
Land use is a key driver of the ongoing biodiversity crisis and therefore also a major opportunity for its mitigation. However, appropriately considering the diversity of land-use actors and activities in conservation assessments and planning is challenging. As a result, top-down conservation policy and planning are often criticized for a lack of contextual nuance widely acknowledged to be required for effective and just conservation action. To address these challenges, we have developed a conceptually consistent, scalable land system typology and demonstrated its usefulness for the world's tropical dry woodlands. Our typology identifies key land-use actors and activities that represent typical threats to biodiversity and opportunities for conservation action. We identified land systems in a hierarchical way, with a global level allowing for broad-scale planning and comparative work. Nested within it, a regionalized level provides social-ecological specificity and context. We showcase this regionalization for five hotspots of land-use change and biodiversity loss in dry woodlands in Argentina, Bolivia, Mozambique, India, and Cambodia. Unlike other approaches to present land use, our typology accounts for the complexity of overlapping land uses. This allows, for example, assessment of how conservation measures conflict with other land uses, understanding of the social-ecological co-benefits and trade-offs of area-based conservation, mapping of threats, or targeting area-based and actor-based conservation measures. Moreover, our framework enables cross-regional learning by revealing both commonalities and social-ecological differences, as we demonstrate here for the world's tropical dry woodlands. By bridging the gap between global, top-down, and regional, bottom-up initiatives, our framework enables more contextually appropriate sustainability planning across scales and more targeted and social-ecologically nuanced interventions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».