MétaCan
Menu
Retour à la cohorte
Enregistrement W1532077841 · doi:10.1111/btp.12228

Seed Banks in Savanna, Forest Fragments, and Continuous Forest Edges Differ in a Tropical Dry Forest in Madagascar

2015· article· en· W1532077841 sur OpenAlexaff
Kim Valenta, Travis S. Steffens, Radoniaina R. Rafaliarison, Colin A. Chapman, Shawn M. Lehman

Notice bibliographique

RevueBiotropica · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensMcGill UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSeed dispersalDeforestation (computer science)Biological dispersalTropical and subtropical dry broadleaf forestsHabitatEcologyFragmentation (computing)Abiotic componentSecondary forestAgroforestryTropical forestDeciduousHabitat fragmentationTropicsGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Rapid deforestation has fragmented habitat across the landscape of Madagascar. To determine the effect of fragmentation on seed banks and the potential for forest regeneration, we sampled seed viability, density and diversity in 40 plots of 1 m2 in three habitat types: forest fragments, the near edge of continuous forest, and deforested savanna in a highly fragmented dry deciduous forest landscape in northwestern Madagascar. While seed species diversity was not different between forest fragments and continuous forest edge, the number of animal‐dispersed seeds was significantly higher in forest fragments than in continuous forest edge, and this pattern was driven by a single, small‐seeded species. In the savanna, seeds were absent from all but three of the 40 plots, indicating that regeneration potential is low in these areas. Several pre‐ and post‐dispersal biotic and abiotic factors, including variation in the seed predator communities and edge effects could explain these findings. Understanding the extent to which seed dispersal and seed banks influence the regeneration potential of fragmented landscapes is critical as these fragments are the potential sources of forest expansion and re‐connectivity.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotropicaMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207