Conservation strategies for mammals in data-deficient regions: Analysing research trends and identifying conservation priority areas
Notice bibliographique
Résumé
Biodiversity conservation is crucial for sustaining ecosystem integrity, especially in species-rich, endemic regions like North-East India (NEI), part of the Indo-Burma biodiversity hotspot. NEI hosts 269 mammal species across 136 genera, 38 families, and 11 orders, with 48 threatened and 13 endemic species, highlighting its global conservation significance. However, habitat loss, deforestation, and fragmentation due to anthropogenic pressures necessitate urgent, informed conservation strategies. This study analyses research trends on NEI’s mammalian fauna and identifies conservation priority areas. A bibliometric analysis of 350 publications (1920–2023) shows significant research growth, with biodiversity and taxonomy (n = 215), ecology and behavior (n = 75), and conservation biology (n = 62) as dominant themes. Despite their ecological importance, knowledge gaps persist, particularly for small-bodied mammals like bats and rodents. Carnivores (n = 85), primates (n = 57), and Cetartiodactyla (n = 47) dominate research, revealing biases. We developed a Regional Conservation Priority Index (RCPI) integrating IUCN threat status, regional endemism, global range restriction, and NEI range restriction. Using Area of Habitat (AOH) data, we mapped species richness and RCPI-weighted richness for large-bodied (>10 kg) and small-bodied (≤10 kg) mammals. Morphological Spatial Pattern Analysis (MSPA) identified core habitat zones, and a Conservation Score Map (CSM) integrated functional richness with conservation urgency. Priority areas include Arunachal Pradesh, northern West Bengal, Assam, and Meghalaya, aligning with global biodiversity targets like the Kunming–Montreal Framework’s 30 × 30 and SDG 15. This data-driven framework offers a replicable approach for conservation prioritization in data-deficient regions, supporting evidence-based policymaking and adaptive management to protect NEI’s mammalian fauna.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».