Effects of landscape complexity on biodiversity of rice agroecosystems: A meta-analysis
Notice bibliographique
Résumé
Agricultural intensification is one of the primary drivers of landscape simplification and biodiversity loss. Understanding how different taxa respond to landscape complexity is key to address the challenge of enhancing biodiversity while sustaining food production. We performed a global-scale meta-analysis of biodiversity and landscape relationships, yielding 456 effect sizes from 18 papers across 9 countries. We specifically explored the effect across different taxonomic groups (2 vertebrate and 6 invertebrate orders) and landscape complexity dimensions (composition, configuration, heterogeneity). Despite the high heterogeneity among the data, we found a positive effect of landscape complexity on rice-associated biodiversity, yet the magnitude and sign of effects contrasted among specific orders and landscape dimensions. For instance, among vertebrates only amphibians showed a positive response to landscape composition. Among invertebrates, spiders and beetles responded positively to compositional complexity while true bugs responded negatively to configurational complexity. Our results suggest that promoting landscape compositional complexity at large spatial scales overall benefits biological communities in rice agroecosystems, specifically in major rice-producing regions. Yet the negative impact of configurational heterogeneity observed for certain groups of insects (i.e., true bugs) indicate that the spatial arrangement and degree of fragmentation of rice habitats is also an important factor shaping biodiversity outcomes. This highlights the need of considering different landscape dimensions and multiple groups of animals simultaneously when designing large scale habitat management plans to avoid potential trade-offs and maximize biodiversity in rice agroecosystems. • We did a meta-analysis to assess landscape effects on rice-associated biodiversity. • Landscape complexity overall enhanced biodiversity. • Amphibians responded positively to landscape composition complexity. • Spiders and beetles responded positively to landscape composition complexity. • True bugs responded negatively to landscape configurational complexity.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 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 ».