MétaCan
Menu
Retour à la cohorte
Enregistrement W3031730417 · doi:10.1073/pnas.1916923117

Past and future decline of tropical pelagic biodiversity

2020· article· en· W3031730417 sur OpenAlexafffund
Moriaki Yasuhara, Chih‐Lin Wei, Michal Kučera, Mark J. Costello, Derek P. Tittensor, Wolfgang Kiessling, Timothy C. Bonebrake, Clay Tabor, Ran Feng, Andrés Baselga, Kerstin Kretschmer, Buntarou Kusumoto, Yasuhiro Kubota

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensDalhousie University
Organismes subventionnairesMinistry of Science and Technology, TaiwanJarislowsky FoundationResearch Grants Council, University Grants CommitteeDeutsche Forschungsgemeinschaft
Mots-clésPelagic zoneBiodiversityTropical AtlanticGeographyTropical marine climateEnvironmental scienceTropical climateEcologyOceanographyBiologyGeologySea surface temperatureMeteorology

Résumé

récupéré en direct d'OpenAlex

A major research question concerning global pelagic biodiversity remains unanswered: when did the apparent tropical biodiversity depression (i.e., bimodality of latitudinal diversity gradient [LDG]) begin? The bimodal LDG may be a consequence of recent ocean warming or of deep-time evolutionary speciation and extinction processes. Using rich fossil datasets of planktonic foraminifers, we show here that a unimodal (or only weakly bimodal) diversity gradient, with a plateau in the tropics, occurred during the last ice age and has since then developed into a bimodal gradient through species distribution shifts driven by postglacial ocean warming. The bimodal LDG likely emerged before the Anthropocene and industrialization, and perhaps ∼15,000 y ago, indicating a strong environmental control of tropical diversity even before the start of anthropogenic warming. However, our model projections suggest that future anthropogenic warming further diminishes tropical pelagic diversity to a level not seen in millions of years.

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)0,001
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,029
Tête enseignante GPT0,241
Écart entre enseignants0,212 · 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

Citations123
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetCoral and Marine Ecosystems StudiesTravaux en français237 207