MétaCan
Menu
Retour à la cohorte
Enregistrement W2016393291 · doi:10.1111/lre.12086

Water‐related bird assemblages in an urban pond ‘archipelago’: Winter patterns of bird species occurrence, abundance and richness

2015· article· en· W2016393291 sur OpenAlexfundno aff
Maria Paola Di Santo, Giuseppe M. Carpaneto, Corrado Battisti

Notice bibliographique

RevueLakes & Reservoirs Science Policy and Management for Sustainable Use · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésSpecies richnessAbundance (ecology)ArchipelagoEcologyGeographyAssemblage (archaeology)Relative species abundanceCommon speciesBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

Abstract This study reports on the patterns of species occurrence, abundance and richness of a wintering water‐related bird assemblage in an ‘archipelago’ of 70 small artificial urban ponds ( AUP s) embedded in a metropolitan landscape (Rome, central Italy). A total of 20 species in 26 AUP s were sampled. Only the largest AUP s (>0.1 ha) contained all these species, except for Gallinula chloropus . The highest total mean species abundance was observed in the largest ponds, with statistically significant differences evident among size classes. Two significant spatial thresholds in species abundance and richness were observed (between 0.01 and 0.1 ha; between 0.1 and 1 ha in size). The abundance of single species was correlated with their frequency of occurrence. Ponds in urban areas must be larger than 0.1 ha to host a rich winter assemblage of birds, with a further increase in richness noted with a surface area larger than 1 ha. The highest number of species was observed in the larger ponds (>1 ha). The species richness of each AUP is directly correlated to their size (log‐transformed species–area relationship: log S = 3.515 + 0.497 log A ; R 2 = 0.76). Further research should be conducted to confirm these patterns and to implement information useful for planning and management of artificial ponds in urban areas for this purpose.

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)0,001
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 enseignants0,132
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0010,001
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 Opus0,032
Tête enseignante GPT0,286
Écart entre enseignants0,254 · 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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLakes & Reservoirs Science Policy and Management for Sustainable UseMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207