MétaCan
Menu
Retour à la cohorte
Enregistrement W2103470082 · doi:10.1139/x04-102

Conservation priorities for peripheral species: the example of British Columbia

2004· article· en· W2103470082 sur OpenAlexvenueaboutno aff
Fred L. Bunnell, R. Wayne Campbell, Kelly A. Squires

Notice bibliographique

RevueCanadian Journal of Forest Research · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisjunctTaxonIUCN Red ListStewardship (theology)BiologyEcologyGeographyConservation biologyPopulationDemographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Most jurisdictions must assign conservation priorities to peripheral species. British Columbia hosts more than 1300 peripheral taxa, about 900 of which appear on the Red and Blue Lists prepared by the province to guide conservation actions. Conversely, fewer than half of the endemic taxa, or taxa for which the province has major global stewardship responsibility, appear on provincial Red and Blue Lists. We examine why we conserve and list species, concluding that the primary scientific or practical reason is to sustain genetic variability. We consider two broad kinds of peripheral species: disjunct (geographically marginal) populations and continuous peripheral populations that straggle irregularly across provincial boundaries. Populations of both groups may be ecologically marginal, with λ < 1. We document the degree to which each group enters provincial Red and Blue Lists. Factors used to modify rankings of risk are correlated in a fashion that artificially biases continuous peripheral populations toward rankings of higher risk. Federal initiatives in recovery plans for most continuous peripheral species appear doomed to failure for sound biological reasons. We note alternative approaches to ranking species for conservation action and recommend that conservation efforts for peripheral species be focused on disjunct peripheral populations, rather than continuous peripheral populations.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,298
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0130,000

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 Opus0,092
Tête enseignante GPT0,294
Écart entre enseignants0,202 · 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.

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

Citations69
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207