Assessing the causal relationships of ecological integrity: a re‐evaluation of Karr's iconic Index of Biotic Integrity
Notice bibliographique
Résumé
Abstract The Index of Biotic Integrity (IBI) has been widely used since the 1980s to estimate ecological integrity—the capacity of an ecosystem to support and maintain its full range of components and processes. Despite this, IBI approaches have been criticized for their lack of objectivity, of justification for the selection of metrics, and of statistical rigor. In this paper, we assessed the potential of canonical correspondence analysis (CCA) and Structural equation modeling (SEM) as complementary methods for assessing ecological integrity. We use an iconic freshwater ecosystem dataset from Northeastern Illinois to assess ecological integrity using both classical IBI approach, and compare this with alternative methods. When we attempt to replicate the IBI methodology, we find issues with the approach including the possibility of the same IBI value for many possible levels of ecological integrity. We showed with the use of other methods (CCA) that the use of tolerant species, total abundance, and total richness—all defining components in IBI—can result in misleading interpretations of ecological integrity and that IBI scores might not comprehensively depict integrity scenarios. Structural equation modeling allowed us to test a conceptual causal model of ecological integrity. We found that water quality had an effect on the diversity and abundance of fish, and these in turn had an effect on trophic function, revealing important relationships between variables that contribute to ecological integrity. We conclude that CCA and SEM can complement multimetric indices, like IBI, and help with the development of more reliable, objective, and science‐based estimations of ecosystem integrity, as well as generate testable hypotheses about ecological integrity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».