MétaCan
Menu
Retour à la cohorte
Enregistrement W2942322906 · doi:10.3390/f10050364

Avian Reporting Rates in Chugcheongnam Province, South Korea Depend on Distance from Forest Edge, Size of Trees, and Size of Forest Fragments

2019· article· en· W2942322906 sur OpenAlexaff
Woongsoon Jang, Ara Seol, Ok-Sik Chung, Jung-Hee SaGong, Jong Koo Lee

Notice bibliographique

RevueForests · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesIncheon National University
Mots-clésSpecies richnessAbundance (ecology)EcologyHabitatOld-growth forestGeographyNegative binomial distributionSpecies diversitySecondary forestAgroforestryBiologyPoisson distribution

Résumé

récupéré en direct d'OpenAlex

Forests provide bird communities with various resources, including food and habitats. Thus, forest attributes, such as size, structure, and species composition, influence the distribution and dynamics of bird species. This study was conducted to examine the association between forest condition, bird species abundance, and diversity within Chungcheongnam Province, South Korea. Zero-inflated binomial regression models were used to analyze a total of 1646 sampling points of abundance and diversity. Forest area, distance to forest edge, and tree size class were selected as covariates. Negative associations between forest area and overall bird abundance and species richness were indicated, whereas distance to forest edge was not a significant factor. This insignificance may be attributed to the relatively small, fragmented, and homogenous forest areas across the studied region. Results for individual bird species indicated that six out of the 35 major bird species had significant associations to the forest edge and three species showed a preference for the interior of the forest. The results of this study imply that other factors, such as food availability and biotic interaction, are more important when determining habitat preference in a relatively homogenous area with a long history of human disturbance.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,209
Score d'incertitude au seuil0,805

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,231
Écart entre enseignants0,223 · 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.

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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207