Notice bibliographique
Résumé
Summary 1. An important question in macroecology is: Can we estimate a species’ abundance from its occurrence on landscape? Answers to this question are useful for estimating population size from more easily acquired distribution data and for understanding the macroecological occupancy–abundance relationship. 2. Several methods have recently been developed to address this question, but no method is general enough to provide a common solution to all species because of the wide variation in spatial distribution of species. 3. In this study, we developed a mixed Gamma‐Poisson model that generalizes the negative binomial model and can characterize spatial dependence in the abundance distribution across cells. Under this framework, without any extra information, the clumping parameter and species abundance can be estimated using a map aggregation technique. This model was tested using a set of empirical census data consisting of 299 tree species from a 50‐ha stem‐mapped plot of Panama. 4. A comparison showed that the new method outperformed the previous methods to an appreciable degree. Particularly for abundant species in a finely gridded map (5 × 5 m), its bias is very small and the method can also reduce the root mean square error up to 30%. Like for previous methods, however, the new method’s performance decreases with the increase in cell size. 5. As a by‐product, the new method provides an approach to estimate spatial autocorrelation of species distribution which is otherwise difficult to estimate for presence/absence map.
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 | 0,001 | 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 ».