Healthy forests safeguard traditional wild meat food systems in Amazonia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Amazonia is the largest 1 and the most species-rich tropical forest region on Earth 2 , where hundreds of Indigenous cultures and thousands of animal species have interacted over millennia 3,4 . Although Amazonia offers a unique context to appraise the value of wildlife as a source of food to millions of rural inhabitants, the diversity, geographic extent, volumes and nutritional value of harvested wild meat are unknown. Here, leveraging a dataset comprising 447,438 animals hunted across 625 rural localities, we estimate an annual extraction of 0.57 Mt of undressed animal biomass across Amazonia, equivalent to 0.34 Mt of edible wild meat. Just 20 out of 174 taxa account for 72% of all animals hunted and 84% of the overall biomass extracted. We show that this amount of wild meat can meet nearly half of protein and iron dietary requirements for rural peoples, along with a substantial portion of their needs for B vitamins (18–126%) and zinc (23%). However, wild meat productivity is likely to have decreased by 67% in nearly 500,000 km² of highly deforested areas of Amazonia. Furthermore, the availability of wild meat per capita decreases significantly in areas with higher human population, greater proximity to cities, and more extensive deforestation. These findings highlight the urgent need to preserve the forest to safeguard biodiversity and traditional wild meat food systems, which will be essential for ensuring Amazonian peoples’ well-being and achieving several of the United Nations Sustainable Development Goals 5 .
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.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 découle