MétaCan
Menu
← Retour à la cohorte
Enregistrement W2029458122 · doi:10.1139/x05-188

Logging impacts on forest carabid assemblages in Japan

2005· article· en· W2029458122 sur OpenAlexvenueno aff
Naoya Osawa, Atsumi Terai, Keiichi Hirata, Asami Nakanishi, Ayumi Makino, Shinjiro Sakai, Shozo Sibata

Notice bibliographique

RevueCanadian Journal of Forest Research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpecies richnessLoggingEcologyHabitatVegetation (pathology)Abundance (ecology)GeographyBiology

Résumé

récupéré en direct d'OpenAlex

We hypothesized that small-area logging (<1 ha) would greatly affect microhabitats of carabid beetles. To test this hypothesis, we studied the carabid assemblages at Kamigamo Experimental Station, Kyoto, Japan, from June 1999 to May 2001. From the analysis of the number of individuals and niche breadth, the numbers of large carnivores (Carabus dehanii Chaudoir, Carabus maiyasanus Bates, and Carabus yaconinus Bates) and large insectivores (Chlaenius posticalis Motschulsky and Haplochlaenius costiger (Chaudoir)) decreased because of logging, whereas the small carabids, Synuchus arcuaticollis (Motschulsky) and Synuchus cycloderus (Bates), may not have been negatively influenced by logging. The mass of the FH layer significantly affected the total number of Pterostichus latemarginatus (Straneo) and marginally affected the number of S. cycloderus. However, soil water content (%) and the mass of the L layer did not affect the total number of individuals in any species. The results of this study imply that (1) the richness of the FH layer and vegetation, that is, the potential food abundance and habitat richness, is involved in determining species richness and the density of the carabid assemblages and (2) even small-area logging may have a negative impact on the density of the large predatory carabids, which are sensitive indicators of forest disturbance.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,040
Tête enseignante GPT0,309
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetWildlife Ecology and Conservation→Travaux en français237 207→