Number, length, area or biomass: Can there be intermediates?
Notice bibliographique
Résumé
The abundance of a given species is usually expressed in terms of either the number of individuals per unit area or volume (i.e., density), or biomass. These two abundance metrics generate different results at both the statistical analysis level (e.g., comparison of means) and the ecological level (e.g., diversity comparisons). We seek here to unify different abundance metrics using the formula A = N(B/N)k/3 where A is the abundance of a given species, k represents a fractional dimension, N is the number of individuals per unit of area and B is the biomass of the sampled species. When k = 0, A is density and when k = 3, A is the biomass. A value of k = 1 would give abundance approximately proportional to the sum of the length of individuals and k = 2 would give abundance approximately proportional to the sum of their surface areas. Metrics intermediate between density, length, area and biomass are possible using non-integer values of k. Applying this methodology to ichthyological data characterized by highly variable intraspecies biomass, we examined the effect of the abundance metric on the results of a three-factor analysis of variance (depth, season and site). In some cases, differences which could not be seen with either density or biomass could be seen with intermediate metrics. We suggest that many ecological results could be usefully evaluated in terms of the effect of the fractional dimension of sampling. In some cases, such an approach could identify the optimal metric.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».