The promises and missed opportunities of upscaling agroforestry: Lessons from Mexico’s Sembrando Vida program
Notice bibliographique
Résumé
Abstract Scaling up agroforestry programs globally has faced significant challenges, despite agroforestry's promise as a nature-based solution for climate change mitigation, biodiversity conservation, and poverty reduction. Programs worldwide have consistently experienced barriers including insufficient funding, mismatched incentive structures, and the challenges of tailoring programs to diverse landscapes. All of this is compounded by a lack of research going beyond parcel-level analysis. These challenges contribute to the fragmented adoption of agroforestry and hinder the realization of its full potential in mitigating pressing social and environmental challenges worldwide. We examine Sembrando Vida , Mexico’s flagship agroforestry program, estimated to cost $13 billion USD, which aimed to restore one million hectares of degraded lands. In this perspectives article, we reflect on our experience researching the Sembrando Vida program complemented with a document analysis of scientific publications, official data and communications, and grey literature. We identify six innovations that advanced agroforestry scaling, including significant financial investment, streamlined governance, technical support, distribution mechanisms, a focus on community cohesion, and gender equity. However, we also highlight three critical shortcomings: limited external evaluation due to government resistance to outside scrutiny, prioritization of social objectives over environmental outcomes, and insufficient measures for climate resilience and market access. These gaps pose risks to the program’s effectiveness and sustainability and undermine opportunities for stakeholders to learn from Sembrando Vida . We argue that large-scale agroforestry initiatives require procedural and administrative transparency, robust monitoring, and balanced socio-environmental strategies that enhance long-term adoption and impact. Nonetheless, Sembrando Vida serves as both a milestone in agroforestry policy and sheds light on the complexities of scaling nature-based solutions in diverse socio-ecological contexts. Graphical abstract
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».