Factors determining<i>Microcebus</i>abundance in a fragmented landscape in Ankarafantsika National Park, Madagascar
Notice bibliographique
Résumé
A fundamental issue in conservation biogeography is determining how and why population density (the number of individuals per unit area) and abundance (number of individual animals) vary across the geographic range of plant and animal species (Whittaker et al., 2005). Understanding these relationships is critical because they provide information on population dynamics and extinction probabilities (Wilcox and Murphy, 1985; Lima and Zollner, 1996). For example, Davidson et al. (2009) conducted a meta-analysis of 4500 mammal species and found that population density was one of the main predictors of extinction risk. Consequently, researchers have explored numerous covariates to primate density and abundance, including food quality and amount (Stevenson, 2001; Chapman et al., 2004), temporal distribution of key food resources (Terborgh, 1986), habitat structure such as basal area, stem density, tree height and size (Rovero and Struhsaker, 2007; Pozo-Montuy et al., 2011; Grow et al., 2013), habitat quality such as plant productivity (Janson and Chapman, 1999), rainfall and temperature (Pinto et al., 2009), distribution (Harcourt and Doherty, 2005), fragment area and isolation (Anzures-Dadda and Manson, 2007), and anthropogenic disturbance (Peres, 1990; Ganzhorn and Schmid, 1998; Anzures-Dadda and Manson, 2007; Peres and Palacios, 2007). Despite the wide range of species and habitats studied, few consistent patterns have emerged that explain spatial variations in primate density and abundance. Moreover, those patterns that have found statistical support tend to have been focused on large-bodied, diurnal species, leaving many unanswered questions on the conservation biogeography of small-bodied, nocturnal taxa (McGoogan et al., 2007).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».