Land use change and water loss in the Upper Paraguay River Basin: Trends, future scenarios, and implications for the Pantanal
Notice bibliographique
Résumé
The Upper Paraguay River Basin (UPRB), encompassing the Planalto highlands and the Pantanal, the world's largest tropical wetland, has undergone intense Land Use and Land Cover (LULC) transformations and recurrent droughts that threaten regional water security. This study analyzed LULC dynamics from 1985 to 2020 and projected scenarios for 2030, 2040, and 2050 using a hybrid modeling framework that combines Markov Chains, Cellular Automata, and a Multi-Layer Perceptron, based on annual satellite-derived LULC maps. Results show a drastic decline in water bodies (93.5 % reduction) and wetlands (71.2 % reduction) in the Pantanal, mainly converted to grasslands, and a sharp expansion of pasture (139.5 % increase) and agriculture in the Planalto. By 2050, pasture is projected to cover 34.7 % of the basin, grassland 17.8 % (683.0 % increase since 1985), and agriculture 9.0 % (202.0 % increase), while native vegetation will shrink from 76.4 % in 1985 to 53.9 %. Elevation, precipitation, and proximity to soybean crops and pasture were the most influential predictors in the model. These changes, driven by the combined pressures of climate variability, land-use intensification, and economic demand for agricultural commodities, threaten hydrological connectivity, biodiversity, and ecosystem services. Urgent, integrated, and spatially differentiated management strategies are essential to mitigate these impacts, including targeted conservation of wetlands and riparian zones, sustainable agricultural practices, and improved hydrological governance. While the CA-Markov-MLP approach provides spatially explicit projections useful for policy formulation and basin-wide planning, uncertainties remain, particularly for wetlands, due to class-specific misclassification and interannual variability in reference data. Therefore, projected magnitudes should be interpreted as indicative trends rather than precise forecasts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».