MétaCan
Menu
Retour à la cohorte
Enregistrement W2178015203 · doi:10.2980/i1195-6860-12-1-141.1

Highly nested snail and clam assemblages in boreal lake littorals: Roles of isolation, area, and habitat suitability

2005· article· en· W2178015203 sur OpenAlexvenueno aff
Jani Heino, Timo Muotka

Notice bibliographique

RevueEcoscience · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNestednessEcologyHabitatAbiotic componentBiologyFaunaBorealCanonical correspondence analysisRelative species abundanceAbundance (ecology)

Résumé

récupéré en direct d'OpenAlex

:Many ecological assemblages show a nested subset pattern of species distribution, i.e., common species occur in all assemblages, whereas rare species tend to occur in progressively more diverse assemblages. We examined the determinants of nestedness and assemblage composition of lake-dwelling snails and clams in a boreal landscape using nestedness calculator, rank correlation, and canonical correspondence analysis (CCA). Both snail and clam assemblages were highly nested, and the nested subset pattern correlated with an index of isolation and habitat suitability (mainly water chemistry) for snails and with habitat suitability for clams. Habitat suitability and isolation were themselves highly correlated, thus obscuring the detection of their relative importance to nestedness. Yet, it appears that nestedness in this molluscan fauna is due mainly to nested tolerance of abiotic factors. Partial CCA showed that isolation and habitat suitability were almost equally important correlates of species composition for snails, whereas lake area was the key factor related to clam assemblage composition, followed by habitat suitability. It thus appears that while the degree of nestedness in species composition of lake-dwelling clams and snails may be highly correlated with a single variable, the overall pattern of species composition among lakes requires multiple explanatory variables.

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 enseignants0,043
Score d'incertitude au seuil0,974

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 savante0,0000,001
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 Opus0,013
Tête enseignante GPT0,239
Écart entre enseignants0,227 · 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

Citations25
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetAquatic Invertebrate Ecology and BehaviorTravaux en français237 207