MétaCan
Menu
Retour à la cohorte
Enregistrement W1981176202 · doi:10.1071/wr14223

Anthropogenic stressors influence small mammal communities in tropical East African savanna at multiple spatial scales

2015· article· en· W1981176202 sur OpenAlex
Andrea E. Byrom, Ally J. K. Nkwabi, Kristine L. Metzger, Simon Mduma, Guy J. Forrester, Wendy A. Ruscoe, Denné Reed, John Bukombe, John Mchetto, A. R. E. Sinclair

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWildlife Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesZoologische Gesellschaft Frankfurt
Mots-clésEcosystemEcologySpecies richnessHabitatGeographyBiodiversityEcosystem servicesEcosystem healthEcosystem diversityContext (archaeology)Biology

Résumé

récupéré en direct d'OpenAlex

Context Protection of natural ecosystems undoubtedly safeguards ecological communities, with positive benefits for ecosystem processes and function. However, ecosystems are under threat from anthropogenic stressors that reduce the resilience both of component species and the system as a whole. Aims To determine how anthropogenic stressors (land use and climate change) could impact the diversity and resilience of a small mammal community in the greater Serengeti ecosystem, an East African savanna comprising Serengeti National Park (SNP) and adjacent agro-ecosystems, at local (SNP) and Africa-wide geographic scales. Methods We recorded small mammal species in 10 habitats in the greater Serengeti ecosystem, including the agro-ecosystem, over 48 years (1962–2010). We calculated richness and diversity for each habitat type, and used an index of similarity to quantify differences in the community among habitats. Species accumulation curves were also generated for each habitat type. Key results We recorded 40 species of small mammals in the greater Serengeti ecosystem. At the local scale, restricted habitat types in SNP (each <1% of the total area) made a disproportionately large contribution to diversity. Agro-ecosystems had lower richness and were less likely to contain specialist species. At regional and Africa-wide scales, local endemics were less likely to be recorded in the agro-ecosystem (57% species loss) compared with those with regional (33% loss) or Africa-wide (31%) geographic distributions. Conclusions At the local scale, the variety of habitats in SNP contributed to overall diversity. However, the ability to maintain this diversity in the adjacent agro-ecosystem was compromised for localised endemics compared with species with Africa-wide ranges. Land use intensification adjacent to SNP and projected changes in rainfall patterns for East Africa under global climate scenarios may compromise the future resilience of the small mammal community in this tropical savanna ecosystem. Implications The loss of rare or specialised species from protected areas and human-modified ecosystems could be mitigated by: (1) increasing habitat complexity and maintaining specialist habitats in the agro-ecosystem; and (2) creating buffers at the boundary of protected natural ecosystems that accommodate regime shifts in response to climatic change. These measures would increase the resilience of this coupled human–natural savanna ecosystem.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,170
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,098
Tête enseignante GPT0,317
Écart entre enseignants0,219 · 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