This software note announces a new open‐source release of the Maxent software for modeling species distributions from occurrence records and environmental data, and describes a new R package for fitting such models. The new release (ver. 3.4.0) will be hosted online by the American Museum of Natural History, along with future versions. It contains small functional changes, most notably use of a complementary log‐log (cloglog) transform to produce an estimate of occurrence probability. The cloglog transform derives from the recently‐published interpretation of Maxent as an inhomogeneous Poisson process (IPP), giving it a stronger theoretical justification than the logistic transform which it replaces by default. In addition, the new R package, maxnet, fits Maxent models using the glmnet package for regularized generalized linear models. We discuss the implications of the IPP formulation in terms of model inputs and outputs, treating occurrence records as points rather than grid cells and interpreting the exponential Maxent model (raw output) as as an estimate of relative abundance. With these two open‐source developments, we invite others to freely use and contribute to the software.

Engaging local stakeholders is a central feature of many biodiversity conservation and natural resource management projects globally. Current literature on engagement predominantly focuses on individual case studies or specific geographical contexts, making general conclusions regarding the effect of these efforts on conservation outcomes difficult. We reviewed evidence from the peer-reviewed and grey literatures related to the role of stakeholder engagement (both externally-driven and self-organized engagement) in biodiversity conservation at the local scale using both quantitative and qualitative approaches. We critically appraised and extracted data using mixed methods for case studies (n = 82) and meta-analyses (n = 31) published from 2011 to 2015. We conducted an inductive thematic analysis on background literature references published from 2000 to 2016 (n = 283). The quantitative analysis assessed multiple variables, and yielded no significant results, but suggested a possible relationship between success in producing attitudinal change towards conservation and four engagement factors. Our qualitative analysis identified six dimensions of engagement processes that are critical for successful outcomes when a project is externally-driven, and suggests that understanding of governance and social-cultural context plays an important role in all types of stakeholder engagement efforts. Finally, we reflect on the effectiveness of relying primarily on evidence available from published literature to understand links between conservation and stakeholder engagement, in particular with regard to self-organized engagement.

Abstract Lemurs are a well-known example of adaptive radiation. Since colonizing Madagascar, more than 100 extant lemur species have evolved to fill the variety of ecological niches on the island. However, recent work suggests that lemurs do not exhibit one of the hallmarks of adaptive radiations: explosive speciation rates that decline over time. We test this idea using a phylogenomic dataset with broad taxonomic sampling of lemurs and their sister group, the lorisiforms of Asia and continental Africa. We find higher rates of speciation in Madagascar’s lemurs compared to lorisiforms and we confirm that lemurs did not experience an “early burst” of speciation after colonizing Madagascar. Instead, we identify three independent bursts of speciation approximately 15 million years ago that underly much of today’s lemur diversity. We demonstrate that the lemur clades with exceptionally high diversification rates have higher rates of introgression. This suggests that hybridization in these primates is not an evolutionary dead- end, but a driving force for diversification. Considering the conservation crisis affecting strepsirrhine primates, with approximately 95% of species being threatened with extinction, this phylogenomic study offers a new perspective for explaining Madagascar’s exceptional primate diversity and reveals patterns of speciation, extinction, and gene flow that will help inform future conservation decisions.

The rapid expansion of freely available Earth observation data, combined with advancements in forest monitoring capabilities, has led to the production of a variety of datasets on forest cover and change at the national and global scales. These datasets are essential for informing science and policy. Yet, this surge in available data products comes with the challenge of reconciling differences in the mapping of forest, non-forest, and forest loss across products. Differences in forest cover mapping between products result in divergent estimates of forest area change, potentially constraining the utility of these products to inform science and policy, consistently, across scales. We use the case of Colombia to demonstrate that these inconsistencies can be largely resolved by advancing operational forest monitoring capabilities toward the representation of forest cover and change as continuous rather than discrete variables. The analysis consisted of a comparison between the global forest change product (GFC) and the official national datasets on forest cover change for Colombia (IDEAM) in terms of overall and per-class classification agreement and estimates of forest-area loss. The comparison was performed after harmonizing the GFC dataset (HGFC) to maximize its overall classification agreement with the IDEAM map, based on the adoption of optimum percent tree cover thresholds, applied to GFC for subnational units. Based on these results, we evaluate whether classification agreement and disagreement between mapped forest and non-forest classes by HGFC and IDEAM can be explained by differences in continuous physical forest attributes, represented by forest Canopy Height (CH) and Above-Ground Biomass Density (AGBD). We produced the analysis for the entire country and also for mountainous and non-mountainous areas separately. We show that the optimal threshold in tree cover that maximizes map agreement, varies largely between subnational units, with values ranging between 20% and 100%. Results show a high overall agreement and also high agreement for stable forest and non-forest classes. Agreement between pixels classified as forest loss was much lower, regardless of the map used as reference. Classification agreement was lower for mountainous areas than for non-mountainous areas, particularly for forest loss and stable forest classes. Pixels representing classification disagreement were characterized by intermediate values of CH and AGBD that are significantly different from pixels classified as non-forest and forest for both maps, with significantly lower and higher CH and AGBD values, respectively. Differences were more notable in non-mountainous areas than in mountainous ones. We conclude that solving these large existing discrepancies in forest classification and forest loss estimates between datasets requires advancing operational capabilities toward the representation of forest cover and change as continuous rather than as categorical variables, with particular emphasis on mountainous areas. We illustrate how moving in such a direction can (1) promote consistency between forest cover definitions and map representation, (2) facilitate comparability among products and estimates of forest area loss at different scales of analysis, and (3) promote accountability in forest area loss assessments.