The ones we left behind: Comparing plot sampling and floristic habitat sampling for estimating bryophyte diversity
Notice bibliographique
Résumé
ABSTRACT An efficient method for estimating bryophyte diversity in forest stands must consider more than just the dominant forest mesohabitat. We compared two methodologies commonly used for estimating diversity in forest ecosystems. Floristic habitat sampling (FHS) utilizes stratification of all forest mesohabitats, which includes the natural diversity of microhabitats found within and stratifies a mosaic of mesohabitats (e.g. forest, streams, seeps, and cliffs) and microhabitats (e.g. rocks logs, etc.) that are often not considered in forest research projects that use plot sampling to estimate species diversity. In Canadian cedar hemlock forest, FHS methodology recorded more than twice as many bryophyte species as plot sampling (PS). A comparison of the dominant forest mesohabitat concluded that plot sampling was not as efficient as FHS in estimating bryophyte diversity and that plot sampling can result in different interpretations of species diversity. Rare species ordination of stands sampled using FHS showed strong clustering of sites with respect to biogeoclimatic zones and age since the last major disturbance (fire or logging) as compared with rare species ordinations from PS data, which showed no delineation of stands along temporal gradients. Plot sampling has many useful applications in ecology, but floristic habitat sampling is more efficient for quantifying overall bryophyte diversity. FHS provides an excellent way to record a comprehensive list of species.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,060 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».