A balanced measure of conservation outcomes: tracking woody vegetation loss and protection in Queensland, Australia
Notice bibliographique
Résumé
Abstract Quantifying changes in loss of native vegetation cover relative to its coverage in protected areas (PAs) offers a valuable means of evaluating conservation performance, yet this approach is rarely applied in practice. Here, we assessed historic and recent remnant woody vegetation loss and protection across Queensland, Australia’s most biodiverse state. By comparing the proportion of remnant woody vegetation loss with the extent of formally PAs across 13 bioregions and 116 subregions, we generate a balanced evaluation of conservation progress and apply a risk classification framework. We found that Queensland has lost 21.4% of its original woody vegetation since European colonisation, with only 9.6% currently protected. Importantly, one-fifth of this loss occurred between 2000 and 2018, despite protection more than doubling during the same period. Our results show that protection gains were concentrated in low-risk regions, while areas with considerable historical loss, such as the Brigalow Belt and Mulga Lands, continued to experience clearing and low protection gains. By 2018, 44% of subregions fell into high or very high-risk categories, while only 15% were classified as not at risk. The risk status for most subregions remained unchanged, which suggests that limited conservation progress has been achieved in high-pressure landscapes. Our findings highlight the limitations of using protected area expansion alone as a metric of conservation progress. A balance-sheet approach tracking both protection and loss can provide a more robust framework for evaluating conservation outcomes. This type of balance-sheet framework can support more effective conservation planning, including restoration and stricter land-clearing controls. Our results offer practical insights for aligning national actions with global biodiversity targets, such as those outlined in the Kunming-Montreal Global Biodiversity Framework.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».