Ungrazed seminatural habitats around farms benefit bird conservation without enhancing foodborne pathogen risks
Notice bibliographique
Résumé
Abstract Context Conservation in working landscapes is critical for halting biodiversity declines and ensuring farming system sustainability. However, concerns that wildlife may carry foodborne pathogens has created pressure on farmers to remove habitat and reduce biodiversity, undermining farmland conservation. Nonetheless, simplified farming landscapes may host bird communities that carry higher foodborne disease risks. Objectives We analyzed the effects of local farming practices and surrounding landscapes on bird communities and food-safety risks across 30 California lettuce farms. Specifically, we sought to determine how farmland diversification affects bird diversity, fecal contamination, and foodborne pathogen incidences, thereby identifying potential tradeoffs between managing farms for bird conservation versus food safety. Methods We surveyed birds at 227 point-count locations, quantified fecal contamination along 120 transects, and assayed 601 bird feces for pathogenic E. coli, Campylobacter spp., and Salmonella spp. We then used hierarchical models to quantify effects of farm management and landscape context on bird communities and food-safety risks. Results Surrounding ungrazed seminatural areas were associated with higher bird diversity, more species of conservation concern, and fewer flocks that may increase risks from foodborne pathogens. In contrast, on-farm diversification practices and surrounding grazing lands offered weaker bird conservation benefits. Surrounding grazed lands were associated with more potentially pathogenic bird feces in crop fields. Conclusions Our results suggest that habitat conservation around produce farms could support bird conservation without increasing foodborne pathogens, especially on farms further from grazing lands. Thus, interventions that diversify farming systems offer potential to simultaneously conserve biodiversity and provide safe food for human consumption.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».