MétaCan
Menu
Retour à la cohorte
Enregistrement W2887138465 · doi:10.1002/ecs2.2277

Summer assessment of zooplankton biodiversity and environmental control in urban waterbodies on the Island of Montréal

2018· article· en· W2887138465 sur OpenAlexafffundabout
El‐Amine Mimouni, Bernadette Pinel‐Alloul, Beatrix E. Beisner, Pierre Legendre

Notice bibliographique

RevueEcosphere · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversité de MontréalMcGill UniversityUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésSpecies richnessMacrophyteBiodiversityZooplanktonEcologyGeographyEcosystemBeta diversityEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Waterbodies in urban environments are usually built or maintained to serve socioeconomic functions. However, they also represent ecosystems that can contribute notably to urban biodiversity. To better understand contribution to biodiversity of urban ecosystems, the variation in zooplankton community composition in 19 waterbodies across the Island of Montréal (Québec, Canada) was monitored across three summer months. Communities were dissimilar between and within waterbodies with species richness differences and replacement patterns playing equal parts in shaping the observed variation. Within each waterbody, notable differences were detected between months, which can affect biodiversity estimation or community composition assessment. Zooplankton species richness was especially well explained by macrophyte cover, which had a positive effect. Compositional differences were also explained by macrophyte cover and by waterbody emptying. Partitioning the beta diversity revealed that only richness difference patterns were explained by macrophyte cover, as species replacement patterns were not explained by any of the measured environmental variables.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,009
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,006
Tête enseignante GPT0,183
Écart entre enseignants0,177 · 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'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
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEcosphereMême sujetLand Use and Ecosystem ServicesTravaux en français237 207