MétaCan
Menu
Retour à la cohorte
Enregistrement W4409017390 · doi:10.1016/j.ecoser.2025.101720

Payments for ecosystem services in Mexico: Two decades of progress and challenges between research and practice

2025· article· en· W4409017390 sur OpenAlexaff
Santiago Izquierdo‐Tort, Andrea Alatorre, Elizabeth Shapiro‐Garza, Esteve Corbera, Jimena Deschamps-Lomelí, Véronique Sophie Ávila-Foucat, Julia Carabias, Jérôme Dupras, Vijay Kolinjivadi, Juan Manuel Núñez, María Perevochtchikova, Katharine R. E. Sims, Gert Van Hecken

Notice bibliographique

RevueEcosystem Services · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensConcordia UniversityUniversité du Québec en Outaouais
Organismes subventionnairesAgencia Estatal de InvestigaciónVlaamse regeringMinisterio de Ciencia e InnovaciónFonds Wetenschappelijk Onderzoek
Mots-clésEcosystem servicesPaymentEcosystemEnvironmental resource managementNatural resource economicsBusinessRegional scienceGeographyEconomicsEcologyBiologyFinance

Résumé

récupéré en direct d'OpenAlex

• We review two decades of research and practice of Mexico’s PES schemes. • Mexico’s federal PES reached 7.4 million hectares from 2003 to 2022. • We found 140 peer-reviewed publications focused on Mexico’s PES. • Most studies show Mexico’s PES produced positive ecological outcomes. • Mexico-based scholars led half of publications but are less cited than foreign ones. As some of the world’s largest, longest lasting and most researched initiatives that reward individual and communal landowners for conserving forests and associated ecosystem services, Mexico’s Payments for Ecosystem Services (PES) programmes provide a significant opportunity to examine questions of how, where, and by whom scholarship has been produced and the potential gaps revealed when comparing research insights with implementation patterns. To address these questions, we assembled the most up-to-date and comprehensive database of PES peer-reviewed publications and programme data in a single country. Our study includes a systematic analysis of relevant scientific literature in English and Spanish through 2022 (N = 140) and an assessment of the spatial and temporal distribution, timing, focus, and scope of all federally funded PES programmes at national, subnational, and local levels between 2003 and 2022. We find that variations in the spatial coverage of programme implementation have been associated with proportional levels of research interest over time and that studies represent multiple themes, spatiotemporal scales, and disciplinary and methodological approaches. With some variation, there is congruence among research findings that programmes have produced mostly positive ecological effects and mixed social effects. However, research has been disproportionately concentrated in specific geographic regions and Mexican scholarship has had considerably less global visibility and impact than European and U.S.-based research. By focusing our analysis on PES research and practice within a country-specific context and including literature produced in the local language, our analysis provides greater nuance than previous PES reviews regarding how knowledge is produced and by whom. We identify permanence of programme effects in Mexico as a key emerging issue for future research and, at a global scale, for the need to conduct such nuanced and inclusive assessments of other specific PES programmes to help identify and address key drivers of knowledge gaps in incentive-based environmental policies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,012
Études des sciences et des technologies0,0020,003
Communication savante0,0070,007
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,328
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcosystem ServicesMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207