MétaCan
Menu
Retour à la cohorte
Enregistrement W2614742532 · doi:10.1111/jbi.13022

A test of the habitat amount hypothesis as an explanation for the species richness of forest bird assemblages

2017· article· en· W2614742532 sur OpenAlexafffundabout
Rémi Torrenta, Marc‐André Villard

Notice bibliographique

RevueJournal of Biogeography · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversité du Québec à RimouskiUniversité de Moncton
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHabitatSpecies richnessEcologyGeographyDeciduousSpatial heterogeneityBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Aim For the past 20 years, researchers have been challenged to demonstrate that the spatial arrangement of habitat patches actually influences the distribution of organisms and the persistence of their populations, beyond the effects of its sheer amount. More recently, it has been argued that habitat amount in the ‘local landscape’ surrounding a site is sufficient to predict species richness (SR) in that site, irrespective of habitat configuration. Here, we tested four predictions derived from the habitat amount hypothesis (HAH). Location Eastern Ontario, Canada ( c . 44°55′–45°15′ N, 75°10′–75°45′ W). Methods Point counts ( n = 157) were conducted in five subregions to estimate forest bird SR while accounting for detectability. Surveys were conducted in mature, deciduous‐dominated forest fragments, and landscape structure was quantified at three spatial scales (500, 1000 and 1500 m). Results Although we found a significant positive correlation between SR and either fragment area (FA) or habitat amount in the local landscape, predictions emphasizing the dominant influence of habitat amount and the lower influence of FA were either not supported or weakly so. Main conclusions Contrary to the HAH, we conclude that habitat amount in the local landscape is not a sufficient predictor of SR on its own. However, we agree with the contention that, in most landscape types, ‘local landscapes’ represent more natural spatial units than habitat fragments or ‘patches’.

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 enseignants0,007
Score d'incertitude au seuil0,353

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 savante0,0000,000
Science ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,248
Écart entre enseignants0,231 · 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

Citations29
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of BiogeographyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207