MétaCan
Menu
Retour à la cohorte
Enregistrement W1992138241 · doi:10.2989/00306525.2014.901432

Responses of the Serengeti avifauna to long-term change in the environment

2014· article· en· W1992138241 sur OpenAlexaff
A. R. E. Sinclair, Ally K. Nkwabi, Simon Mduma, Flora J. Magige

Notice bibliographique

RevueOstrich · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesZoologische Gesellschaft Frankfurt
Mots-clésBiodiversityEcologyHabitatEcosystemTrophic levelHabitat destructionClimate changeGeographyHabitat fragmentationEnvironmental changeContext (archaeology)Fragmentation (computing)PredationBiology

Résumé

récupéré en direct d'OpenAlex

In this paper we examine how climate change interacts with other disturbances to alter the functioning of a tropical ecosystem, the Serengeti in Tanzania. Tropical Africa has increasing temperatures and changes in rainfall. Long-term data have shown how the avifauna responds to the interaction of environmental change with other disturbances: (1) habitat modification through agriculture by limiting endemic species and top trophic levels. Rare species are lost so this is a problem for conservation. Top trophic levels are lost and the lack of predators then releases pests. This is a problem for natural resource management. (2) Disease and hunting cause slow change in the species complex. This can alter community dynamics depending on which species enter or leave. (3) Habitat fragmentation or decay can cause slow change. When this reaches a threshold there may be rapid change in the species composition causing multiple states. One lesson is that present-day ecosystem states and trends can only be understood in the context of past historical events. Another is that all systems change so this requires a new approach to conservation. Within protected areas, new boundaries or new areas will be required. Outside rewilding is required to support more biodiversity.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,252
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOstrichMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207