MétaCan
Menu
Retour à la cohorte
Enregistrement W4404532222 · doi:10.1038/s43247-024-01845-2

Tree plantations and forest regrowth are linked to poverty reduction in Africa

2024· article· en· W4404532222 sur OpenAlexaff
Bowy den Braber, Charlotte Hall, Jeanine M. Rhemtulla, Matthew E. Fagan, Laura Vang Rasmusssen

Notice bibliographique

RevueCommunications Earth & Environment · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEuropean Commission
Mots-clésAgroforestryForestryTree (set theory)GeographyPovertyPoverty reductionEnvironmental scienceEconomicsEconomic growthMathematics

Résumé

récupéré en direct d'OpenAlex

Numerous countries have adopted large-scale tree planting programs as a climate mitigation strategy and to improve local livelihoods. However, it remains poorly documented how the surge in tree plantations has altered local livelihoods. Here, we assess whether tropical tree plantation expansion and forest regrowth across 18 African countries are associated with local people’s living standards. By combining a recent map that distinguishes tree plantations from regrowth from 2000 to 2012 with multidimensional poverty measures from more than 200,000 households, we find a positive association between people's living standards and areas where tree plantations have expanded or, to a lesser extent, forest regrowth has occurred. Because tree plantations make up a large proportion of recent increases in tropical tree cover – and controversy remains about their potential impacts on both biodiversity and local people – our study provides broad empirical support for the idea that tree plantations and forest regrowth can be linked with reduced poverty in the short term. The expansion of tree plantations and forest regrowth areas is associated with improvements in people’s living standards across 18 African countries, according to an analysis combining the map of tree plantations and regrowth with multidimensional poverty indicators from 200,000 households.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,265
Score d'incertitude au seuil0,778

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,214
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207