MétaCan
Menu
Retour à la cohorte
Enregistrement W2921967356 · doi:10.3390/d11030041

The Long and Short of Biodiversity: Cumulative Diversity and Its Drivers

2019· article· en· W2921967356 sur OpenAlexafffund
Matthew P. Hammond, Jurek Kolasa

Notice bibliographique

RevueDiversity · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSpecies evennessSpecies richnessBiodiversityGamma diversityAlpha diversityEcologyDiversity (politics)Beta diversitySpecies diversityEcosystemNestednessGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Long-term or cumulative diversity is the biodiversity that accumulates at a site over many generations of community members. Cumulative diversity is likely important to the intrinsic and functional value of ecosystems given the legacies left behind by many species. While its components—average short-term diversity (alpha) and temporal turnover (beta)—have been extensively studied, cumulative diversity itself has not. We therefore examined the environmental and community drivers of cumulative diversity with a novel hierarchical diversity partition. This partition breaks cumulative diversity into short-term, turnover, richness, and evenness components. We applied this framework to 49 tropical rock pool communities, censused over tens to hundreds of organism generations. Results uncovered two environmental regimes that differentially impacted the richness and evenness components of cumulative diversity: Occasional drying events mainly limited richness and reset communities, while less severe physicochemical variations reduced the evenness of communities. These causal pathways amount to differential controls on cumulative diversity; controls that can oppose each other to buffer diversity against change as well as create unexpected trade-offs for managers. We conclude that maintaining diversity at longer timescales requires new analytical tools and an expanded view that can account for its complexity.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,208
Écart entre enseignants0,193 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiversityMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207