MétaCan
Menu
Retour à la cohorte
Enregistrement W2792609903 · doi:10.1007/s40823-018-0031-y

The Scale-Dependent Role of Biological Traits in Landscape Ecology: A Review

2018· review· en· W2792609903 sur OpenAlexaff
Andrés Felipe Suárez‐Castro, Jeremy S. Simmonds, Matthew G. E. Mitchell, Martine Maron, Jonathan R. Rhodes

Notice bibliographique

RevueCurrent Landscape Ecology Reports · 2018
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesAustralian Research Council
Mots-clésTraitEcologyBiologyInterspecific competitionIntraspecific competitionScale (ratio)CommunitySpatial ecologyRange (aeronautics)Landscape ecologyGeographyHabitatCartography

Résumé

récupéré en direct d'OpenAlex

We describe current approaches that evaluate how the influence of species traits on the relationship between environmental variables and ecological responses varies among scales (i.e. the scale-dependent role of traits). We quantify which traits and ecological responses have been assessed, and discuss the main challenges associated with quantifying the scale-dependent effect of traits. We identify three main approaches used to evaluate the scale-dependent role of traits, based on whether 1) traits are used as predictors or responses, 2) intraspecific variation in single traits is considered, or 3) trait diversity indices are used. Our review identifies several gaps that include the following: 1) evidence of the scale-dependent role of traits is biased towards studies of plants; 2) we lack evidence of whether the traits of interacting species groups are consistently related across spatial scales; and 3) interactions between species traits and landscape structure are usually ignored. The explicit inclusion of landscape structure effects in trait-based approaches at multiple scales will benefit the integration of approaches from community ecology and landscape ecology. This is important for describing the mechanisms that operate simultaneously across scales and for predicting the impact of landscape change on a broad range of ecological responses, including species diversity and interspecific interactions.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,026
Tête enseignante GPT0,307
Écart entre enseignants0,281 · 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.

Devis d'étudeSans objet
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

Citations38
Publié2018
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueCurrent Landscape Ecology ReportsMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207