MétaCan
Menu
Retour à la cohorte
Enregistrement W2304727702 · doi:10.1002/16-0110.1

Synergistic effects of climate change and agricultural land use on mammals

2016· review· en· W2304727702 sur OpenAlexaff
Jedediah F. Brodie

Notice bibliographique

RevueFrontiers in Ecology and the Environment · 2016
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiodiversityClimate changeLand use, land-use change and forestryAgroforestryElaeis guineensisAgricultureLand useTropicsGeographyEnvironmental scienceEcologyAgricultural landPalm oilBiology

Résumé

récupéré en direct d'OpenAlex

Although climate change and the expansion of agriculture are two of the primary threats to global biodiversity, they are usually considered independently. Here, I show that climate change and agricultural expansion interact synergistically in their impacts on mammals across mega‐biodiverse Southeast Asia. Rising temperatures do not directly reduce niche availability for most species but do trigger a major altitudinal expansion in the cultivation zone for oil palm ( Elaeis guineensis ), a cold‐intolerant crop tree that is currently restricted to tropical lowlands. The resulting replacement of native forests would reduce mammal ranges by 47–67% by 2070, given a low‐ or high‐carbon‐emissions trajectory, respectively. This reduction is 3–4 times the magnitude of that predicted from land‐use change without considering climatic effects. The synergistic interaction between climate change and land‐use change greatly outweighs the impact on biodiversity of either factor alone or their additive combination.

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)0,000
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil0,496

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,205
Écart entre enseignants0,193 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and the EnvironmentMême sujetWildlife Ecology and ConservationTravaux en français237 207