Livelihood vulnerability and human wildlife conflict in Nepal’s lowland protected areas
Notice bibliographique
Résumé
Human wildlife conflict (HWC) has emerged as a serious challenge, particularly in low-income countries where protected areas and human settlements overlap, affecting both biodiversity and human well-being. Although HWC generally cause economic losses, disrupt food security and exert socio-psychological pressures on local people, it also negatively affects wildlife populations by increasing retaliatory killings and threatening the survival of endangered species. Nevertheless, the ways in which HWC shapes the local livelihoods of already vulnerable communities remain underexplored. To address this gap, we analysed HWC incident data and vulnerability indicators from 92 municipalities surrounding protected areas (PAs) in Nepal’s lowland Tarai region. Using both the Livelihood Vulnerability Index (LVI) and an IPCC-based vulnerability framework, we assessed the extent to which HWC contributes to overall livelihood vulnerability. We found that while municipalities adjacent to PAs indeed experience higher livelihood vulnerability, the direct contribution of HWC—though significant at the local level—is relatively modest compared to socio-economic and environmental drivers. These findings highlight HWC as an integral part of broader socio-ecological processes, closely linked with livelihood insecurity, poverty, limited access to services and climate stresses. Addressing HWC, therefore, requires a holistic, multi-sectoral approach that goes beyond reactive, species-specific mitigation to incorporate livelihood diversification, strengthen social safety nets, improved access to basic services, and climate-resilient development pathways. We recommend that future conservation and adaptation programs should adopt integrated socio-ecological frameworks that prioritize community-based conflict mitigation, improve compensation mechanisms, and align wildlife management with national livelihood resilience goals such as Sustainable Development Goals (SDGs) and global biodiversity conservation targets under the Kunming–Montreal Global Biodiversity Framework (GBF).
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) | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».