MétaCan
Menu
Retour à la cohorte
Enregistrement W2035703073 · doi:10.3170/2008-8-18421

Effects of study design and analysis on the spatial community structure detected by multiscale ordination

2008· article· en· W2035703073 sur OpenAlexaff
Barbara Schlup, Helene H. Wagner

Notice bibliographique

RevueJournal of Vegetation Science · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEidgenössische Technische Hochschule ZürichOklahoma State UniversitySchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésOrdinationQuadratVariogramDetrended correspondence analysisTransectSpatial analysisStatisticsSampling (signal processing)Principal component analysisRange (aeronautics)MathematicsGeographyKrigingEcologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Question: What are the effects of different aspects of data collection and analysis on the spatial partitioning of ordination results by multiscale ordination? Locations: Heterogeneous pasture at Marchairuz in the Jura mountains, Switzerland and Mixed hardwood‐pine forest in Oostings Natural Area, NC, USA. Methods: We evaluated the efficiency of different sampling designs for identifying the spatial structure of plant communities and analysed two datasets with multiscale ordination. We compared the effects of quadrat size, the number of species included in the analysis, data type, detrending and ordination method on the shape and precision of the community variogram summarizing spatial community structure. Results: A three‐block sampling design provided a more even distribution of the number of pairs of observation per distance class than random, transect or grid designs. The precision of variogram estimates depended more strongly on the number of species than on the number of quadrats. In contrast, the choice of data type (abundance transformation) had little influence on the shape of the variogram. Detrending reduced the range of spatial autocorrelation. An increase in quadrat size resulted in a smoother variogram and stronger spatial autocorrelation. Principal components analysis (PCA) and Redundancy analysis (RDA) resulted in a larger range of spatial autocorrelation values than did Correspondence analysis (CA) and Canonical correspondence analysis (CCA), but the shape of the variograms was similar. Conclusion: Random samples as well as transects and regular grids may not be efficient sampling designs for spatial analysis of community structure. While the number of species considered strongly affects the precision of a community variogram, its shape depends on the size of the sampling units. Earlier studies may have overestimated the spatial scale of internal organization in plant communities.

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)0,001
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 enseignants0,203
Score d'incertitude au seuil0,534

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 technologies0,0010,001
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 Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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

Citations18
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vegetation ScienceMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207