MétaCan
Menu
Retour à la cohorte
Enregistrement W2896059577 · doi:10.1080/01584197.2018.1530062

No evidence for a positive correlation between abundance and range size in birds along a New Guinean elevational gradient

2018· article· en· W2896059577 sur OpenAlexafffund
Benjamin G. Freeman

Notice bibliographique

RevueEmu - Austral Ornithology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaBanting Research Foundation
Mots-clésAbundance (ecology)Range (aeronautics)EcologyBiologyMacroecologyInterspecific competitionTaxonRelative abundance distributionRelative species abundanceBiogeography

Résumé

récupéré en direct d'OpenAlex

A general pattern in biogeography is that species with high local abundances tend to have large geographic ranges, while species with low local abundances have small ranges. However, many tropical biotas do not show positive abundance–range–size correlations, potentially because eco-climatic stability in the tropics promotes specialisation or because density compensation permits some higher-elevation species to be both abundant and small-ranged. I explored these ideas by studying the abundance–range-size correlation for 37 species of small-bodied understorey New Guinean birds that live along a reef-to-ridgetop elevational gradient. Abundance (capture rates) is not related to range size (elevational breadth) in this dataset. In fact, when conducting phylogenetic regressions, abundance is significantly negatively related to range size. Because species’ abundances do not systematically vary as a function of elevational zone, this pattern is not due to density compensation. Instead, elevational specialisation appears to explain the abundance–range-size correlation, interspecific competition being an important driver of elevational specialisation. If specialised taxa are sometimes able to achieve high local abundances compared to broader-ranged taxa, specialisation may break any consistent association between abundance and range size. Further studies are necessary to test the generality of this explanation.

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 enseignants0,007
Score d'incertitude au seuil0,994

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)0,0070,001

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,327
Écart entre enseignants0,252 · 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

Citations14
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEmu - Austral OrnithologyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207