MétaCan
Menu
Retour à la cohorte
Enregistrement W2984724136 · doi:10.1111/1365-2656.13136

Urbanization reshapes a food web

2019· article· en· W2984724136 sur OpenAlexaff
Denon Start, Matthew A. Barbour, Colin Bonner

Notice bibliographique

RevueJournal of Animal Ecology · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésUrbanizationBiodiversityFood webEcologyGeographyUrban ecosystemEcosystem servicesEconomic geographyEcosystemBiology

Résumé

récupéré en direct d'OpenAlex

Cities represent humanity's most intense impact on our planet, with more than half of all humans now residing in urban areas. Indeed, urbanization has well-understood impacts on both individual species and general patterns of biodiversity. However, species do not exist in isolation, but are instead members of complex interaction networks that shape patterns of diversity and influence ecosystem services. Despite the importance of species interaction for creating patterns of diversity, we do not understand how urbanization alters these interactions. Here, we investigate how an interaction network (food web) is reshaped by urbanization. We show that, consistent with theory, cities tend to support less diverse ecological communities, and rare species that interact with few species are particularly sensitive to urbanization. As a result, remnant urban food webs tend to have more interactions per species and greater connectance, creating more integrated interaction networks. We discuss the implications of this food web reshaping for ecological stability, eco-evolutionary dynamics, and the joining of interaction networks and conservation planning. The role of cities in reshaping interaction networks provides an interesting study of food web (dis)assembly, while also shedding light on new approaches to applied conservation issues.

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 enseignants0,004
Score d'incertitude au seuil0,013

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,028
Tête enseignante GPT0,205
Écart entre enseignants0,177 · 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

Citations54
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal EcologyMême sujetPlant and animal studiesTravaux en français237 207