Bridging conservation and policy: evaluating national targets to reduce mangrove loss under the Kunming–Montreal biodiversity framework
Notice bibliographique
Résumé
Abstract The Kunming–Montreal Global Biodiversity Framework (GBF) aims to halt biodiversity loss by 2030, with Targets 1 and 3 focusing on reducing forest loss and expanding protected areas. Mangroves, as biodiversity hotspots offering crucial ecosystem services, have seen some conservation gains, yet key drivers of high-value mangrove loss remain unaddressed in intergovernmental policy frameworks. It is the first global assessment linking GBF Targets 1 & 3 to mangrove loss drivers and ecosystem assessment. We apply an interdisciplinary approach—combining global-scale geospatial analysis of mangrove loss trajectories between 2000 and 2016 and ecosystem value distribution, and thematic policy analysis. We classify all 120 countries where mangroves are present by their short- and long-term mangrove loss management strategies and evaluate the inclusion of relevant actions under Targets 1 and 3 of National Biodiversity Strategies and Action Plans (NBSAPs). Between 2000 and 2016, 78% of mangrove loss occurred in areas rich in biodiversity, biomass, and coastal protection, mostly outside protected zones. Of 120 mangrove-holding countries, 30 (25%) experienced significant loss. Among them, 11 have the potential to implement short-term mitigation by expanding or managing protected areas, though only 5 included these strategies in national targets. Four countries referenced broader measures like indigenous rights and the prioritisation of ecosystem service hotspots. Only Cameroon, Colombia, Gabon, Panama, and Tanzania are positioned to address major loss drivers within the GBF timeline. This paper is the first global assessment of GBF-aligned national targets to mitigate mangrove loss, contributing to SDGs 14 and 15. We show that mangrove loss cannot be halted by 2030 under the current level of national targets. Policy amendments at national scales can include short-term (area-based protection) and long-term strategies (restoration, rehabilitation and ecosystem-based approaches) to halt mangrove loss.
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 | 0,033 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».