Community perceptions on land and water acquisitions in the Okavango Delta: implications for rural livelihoods
Notice bibliographique
Résumé
Large-scale land acquisitions in Africa are increasing, reported often as the transfers of land for food and biofuel crop production. Only reporting agricultural acquisitions underplays potential impacts of other forms of acquisitions like tourism and conservation, which are new engines for economic growth in Southern Africa. While this shift has complex social-ecological implications, there is limited evidence of the multiple ways that land acquisitions unfold in wetland ecosystems, and implications for people and nature. This study aims to investigate local perceptions of implications of land and water acquisitions on local livelihoods in the Okavango Delta, Botswana, using in-depth interviews with 116 local respondents in Etsha 6, Khwai and Tubu villages. Findings revealed that the primary drivers of land acquisitions in the Okavango Delta were tourism and subsistence agriculture, and a new and unique land exchange (we termed land borrowing) was prevalent in Tubu, involving the borrowing of farmland in flood recessions between locals. Concessions, borrowings, and rentals were key perceived land acquisition types. Both positive and negative impacts of land acquisitions on livelihoods surfaced. The diversity of cultural grouping influenced locals’ intricate connection with riparian waters and affected how land was exchanged and governed. The disparities in benefits from land resources have negative implications for equitable resource distribution and natural resource governance, in policy and practice. This research highlights the importance of an expanded view of acquisitions and associated impacts with closer attention to power dynamics which can facilitate more nuanced implementation of targets of the Kunming–Montreal Global Biodiversity framework.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».