کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6296450 1617431 2015 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Identifying interactions among reforestation success drivers: A case study from the Philippines
ترجمه فارسی عنوان
شناسایی تعاملات در میان رانندگان موفق جنگلداری: مطالعه موردی فیلیپین
کلمات کلیدی
ترجمه چکیده
جنگل زدایی یک اقدام گرانقیمت است. این یک پروسه طولانی مدت، پیچیده و بین رشته ای است و شامل عدم اطمینان و تغییر شرایط است. همچنین یک رشته پیچیده از رانندگان (از جمله مهندسان بیوفیزیک، فنی، اجتماعی و اقتصادی، سازمانی و مدیریتی) است که بر موفقیت جنگل های زراعتی تأثیر می گذارد. تحقیقات قبلی اثرات مستقل رانندگان بیوفیزیکی و فنی، محیطی و اجتماعی و اقتصادی را بر موفقیت جنگل زدایی مستند کرده است. با این حال، تحقیق در دهه اخیر نشان داده است که نتیجه تعاملات چندگانه معمولا غیرافزایی است (به عنوان مثال، همکاری و انطباق). بنابراین، به منظور حمایت بهتر تصمیم گیری برای برنامه ریزی جنگلداری و تعیین خط مشی، ضروری است که اثرات تعاملی را که رانندگان بر موفقیت جنگل ها تأثیر می گذارند، درک کنند. برای درک این اثرات تعاملی، ما یک مدل شبکه بیزی را بر اساس داده های جمع آوری شده از 43 پروژه جنگلداری در جزیره لایت فیلیپین توسعه دادیم. تعاملات غیر افزایشی در میان رانندگان موفق جنگلداری (به عنوان مثال، سیریج و آنتاگونیسم) تا 90٪ از تعاملات آزمایش شده را تشخیص دادند. این نتیجه نشان می دهد نیاز فوری برای تعاملات غیر افزایشی در سیاست های جنگلداری و برنامه ریزی برای جلوگیری از نتایج پیش بینی نشده، تلاش های هدر رفته و فرصت های از دست رفته توصیه می شود.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
چکیده انگلیسی
Reforestation is an expensive undertaking. It is a long-term, complex, and trans-disciplinary process and it involves uncertainties and changing conditions. There is also a complex array of drivers (including biophysical, technical, socio-economic, institutional, and management drivers) that affect reforestation success. Previous research has documented the independent effects of biophysical and technical, environmental and socio-economic drivers on reforestation success. However, research over the last decade has revealed that the outcome of multiple factor interactions is commonly non-additive (i.e. synergies and antagonisms). Therefore, in order to provide better decision support for reforestation planning and policy setting it is necessary to understand the interactive effects that drivers have on reforestation success. To understand these interactive effects, we developed a Bayesian network model based on data collected from 43 reforestation projects on Leyte Island, the Philippines. Non-additive interactions among reforestation success drivers (i.e. synergies and antagonisms) were found to account for up to 90% of interactions tested. This result suggests an urgent need to account for these non-additive interactions in reforestation policy and planning in order to avoid unanticipated outcomes, wasted effort and missed opportunities.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ecological Modelling - Volume 316, 24 November 2015, Pages 62-77
نویسندگان
, , ,