Comparison of methods to estimate historic species richness of mammals for tests of faunal relaxation in Canadian parks
Notice bibliographique
Résumé
Aim Some recent tests of faunal change in reserves have relied on, but been limited to, estimates of species richness from random samples of historic range maps. We evaluated a different, Geographic Information Systems (GIS)‐based, approach to count species directly, as the latter method might facilitate rapid estimation of historic species richness as well as composition for samples of the same size, shape and exact location as present‐day reserves. Location National parks throughout Canada. Methods Geographic Information System. Results The GIS‐based method tended to count, in exact locations of modern parks, fewer species (on average, seven disturbance intolerant and five disturbance tolerant) present historically than extrapolated from randomly sampled sites, but the differences were not greater than expected by chance. However, correlations between number of species lost and park size were weaker than reported previously, suggesting a greater potential for other factors to influence a change in species richness (and composition) than inferred earlier. Main conclusions Direct counts of historic range maps using GIS tools provided a quick means to estimate site‐specific historic species richness not statistically different from estimates produced by random sampling. As well, the GIS‐based method could yield data about historic species composition for the specific location and size of modern reserves, which may be more ecologically meaningful in terms of assessing what factors may have contributed to the observed species losses.
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 | 0,001 |
| 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 ».