From logs to landscapes: determining the scale of ecological processes affecting the incidence of a saproxylic beetle
Notice bibliographique
Résumé
1. Species incidence is influenced by environmental and intrinsic factors operating at multiple scales. The incidence of a dispersal‐limited beetle, Odontotaenius disjunctus (Coleoptera: Passalidae), was surveyed within hierarchically nested organisational levels of its environment (log sections < logs < 10‐m radius subplots < 0.66‐ha plots) in Louisiana, U.S.A. The finest level was the size of a single territory. Passalid beetles are an ecologically prominent group, but little is known of the factors affecting their incidence. 2. Three scale‐sensitive aspects of O. disjunctus incidence were evaluated: (i) the extent (52–3600 ha) within which forest cover was most associated with incidence; (ii) the hierarchical level at which environmental variables best predicted incidence; and (iii) the hierarchical level at which incidence exhibited the greatest spatial autocorrelation as a result of intrinsic factors (e.g. dispersal limitation). 3. Forest cover best predicted incidence at 225 ha, but accounted for only 1.2% of variation in incidence. Incidence was most sensitive to environmental factors measured at the finest scale (i.e. territories). Incidence was positively associated with moderately decayed wood and increased surface area of logs (9.9% and 3.1% of variance, respectively). When environmental factors were accounted for, spatial autocorrelation in incidence was greatest within subplots and logs, consistent with the hypothesis that intrinsic autocorrelation is associated with O. disjunctus average dispersal distance (<5 m). 4. This study indicates the influences of factors acting at multiple scales, but suggests that environmental conditions at the scale of territories may be most important for species incidence.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».