Using old fields for new purposes: ecosystem service outcomes of restoring marginal agricultural land to forests
Notice bibliographique
Résumé
Context: Human activities, particularly intensive agriculture, have caused significant environmental degradation, reduced ecosystem diversity, and increased vulnerability to global change. Recent international policies, such as the Global Biodiversity Framework's 30 × 30 target, advocate for nature-based solutions (NbS) such as ecological restoration to address these impacts. In agricultural landscapes, however, there are concerns that restoration may impact food production. Objectives: We investigated how forest restoration, as an NbS, changes the supply of ecosystem services (ES), including potential trade offs with agricultural output. Using the Montérégie region of Québec (southeastern Canada) as a case study, we assessed the influence of restoration extent, spatial configuration, and the original agricultural site conditions on the ES outcomes. Methods: We modeled ES outcomes for seven ES (crop production, maple syrup production, deer hunting, water quality, carbon storage, pollination, and outdoor recreation) under nine scenarios, which varied by total amount of the landscape restored (3.3%, 10.8%, 30%) and initial conditions of the agricultural fields restored (randomly selected, degraded agricultural field, or abandoned agricultural field). Results: Our findings indicate that increasing the amount of land restored enhances provision of most ES, though improvement varied by service. The initial condition of restored sites minimally influences ES outcomes. However, the spatial pattern of restoration plays a significant role in determining ES delivery, as restored sites enhance most ES through spillover effects up to 500 m. Conclusion: This study underscores the potential for combining landscape ecology approaches and ES tools to forecast NbS outcomes and inform landscape planning. Supplementary Information: The online version contains supplementary material available at 10.1007/s10980-025-02121-0.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».