MétaCan
Menu
← Retour à la cohorte
Enregistrement W2903429680 · doi:10.1371/journal.pone.0200179

A precipitation gradient drives change in macroinvertebrate composition and interactions within bromeliads

2018· article· en· W2903429680 sur OpenAlexafffund
Laura Melissa Guzman, Bram Vanschoenwinkel, Vinicius F. Farjalla, Anita Poon, Diane S. Srivastava

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsConselho Nacional de Desenvolvimento Científico e TecnológicoCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésTrophic levelEcologyEnvironmental gradientInvertebrateCommunity structureBiologyEcosystemEnvironmental changeClimate changeSpatial variabilityEnvironmental scienceHabitat

Résumé

récupéré en direct d'OpenAlex

Ecological communities change across spatial and environmental gradients due to (i) changes in species composition, (ii) changes in the frequency or strength of interactions or (iii) changes in the presence of the interactions. Here we use the communities of aquatic invertebrates inhabiting clusters of bromeliad phytotelms along the Brazilian coast as a model system for examining variation in multi-trophic communities. We first document the variation in the species pools of sites across a geographical climate gradient. Using the same sites, we also explored the geographic variation in species interaction strength using a Markov network approach. We found that community composition differed along a gradient of water volume within bromeliads due to the spatial turnover of some species. From the Markov network analysis, we found that the interactions of certain predators differed due to differences in bromeliad water volume. Overall, this study illustrates how a multi-trophic community can change across an environmental gradient through changes in both species and their 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,104
Tête enseignante GPT0,237
Écart entre enseignants0,133 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetPlant and animal studies→Travaux en français237 207→