Estimates of catchment area of pitfall traps for carabids
Notice bibliographique
Résumé
Relationships between beetle abundance in the field and data collected from pitfall traps has generated much interest from several generations of carabidologists. Despite the argument and controversy about this relationship, pitfall data remain the main source of knowledge about carabid populations and assemblages in nature. In order to estimate the relationship between pitfall catches of carabids and catchment area in a homogenous deciduous forest, we constructed circular field enclosures of three sizes (radii: 2.5m, 5m and 10m) and sampled carabids using single pitfall traps located in the centre of each enclosure over 3 seasons (2014-2016). We found that overall beetle catches increased linearly with enclosure area during all three years, and the linear models were nearly identical for the two years (2014 and 2016) in which the data were comparable. We then extrapolated the relationship to predict the catchment area using unenclosed traps run simultaneously. For data from both 2014 and 2016, the catchment area for the assemblage is predicted to be 620-640 m2, representing a radius of c. 14.3 m. Interestingly, this value is consistent with the published inter-trap distance required for independence of trap captures at the same site. Unfortunately, but as expected, calibration of pitfall data at the species level is challenging because the best linear model fits vary considerably among species. Trap catchment area also increased during breeding season. Clearly, pitfall traps need to be set at least c. 30 meters apart to ensure independence of samples in mixedwood boreal forest.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».