Socioecological dynamics of diverse global permafrost-agroecosystems under environmental change
Notice bibliographique
Résumé
Permafrost-agroecosystems include all cultivation and pastoral activities in areas underlain by permafrost. These systems support local livelihoods and food production and are rarely considered in global agricultural studies but may become more relevant as climate change is increasing opportunities for food production in high latitude and mountainous areas. The exact locations and amount of agricultural production in areas containing permafrost are currently unknown, therefore we provide an overview of countries where both permafrost and agricultural activities are present. We highlight the socioecological diversity and complexities of permafrost-agroecosystems through seven case studies: (1) crop cultivation in Alaska, USA; (2) Indigenous food systems and crop cultivation in the Northwest Territories, Canada; (3) horse and cattle husbandry and Indigenous hay production in the Sakha Republic, Russia; (4) mobile pastoralism and husbandry in Mongolia; (5) yak pastoralism in the Central Himalaya, Nepal; (6) berry picking and reindeer herding in northern Fennoscandia; and (7) reindeer herding in northwest Russia. We discuss regional knowledge gaps associated with permafrost and make recommendations to policy makers and land users for adapting to changing permafrost environments. A better understanding of permafrost-agroecosystems is needed to help sustainably manage and develop these systems considering rapidly changing climate, environments, economies, and industries.
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 | 0,000 |
| 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) | 0,013 | 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 ».