MétaCan
Menu
Retour à la cohorte
Enregistrement W3068212853 · doi:10.1038/s41598-020-70960-9

Non-linear changes in modelled terrestrial ecosystems subjected to perturbations

2020· article· en· W3068212853 sur OpenAlexaff
Tim Newbold, Derek P. Tittensor, Michael Harfoot, Jörn P. W. Scharlemann, Drew W. Purves

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensDalhousie University
Organismes subventionnairesLeverhulme TrustMicrosoft Research
Mots-clésEcosystemTerrestrial ecosystemEnvironmental scienceComputer scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Perturbed ecosystems may undergo rapid and non-linear changes, resulting in 'regime shifts' to an entirely different ecological state. The need to understand the extent, nature, magnitude and reversibility of these changes is urgent given the profound effects that humans are having on the natural world. General ecosystem models, which simulate the dynamics of ecosystems based on a mechanistic representation of ecological processes, provide one novel way to project ecosystem changes across all scales and trophic levels, and to forecast impact thresholds beyond which irreversible changes may occur. We model ecosystem changes in four terrestrial biomes subjected to human removal of plant biomass, such as occurs through agricultural land-use change. We find that irreversible, non-linear responses commonly occur where removal of vegetation exceeds 80% (a level that occurs across nearly 10% of the Earth's land surface), especially for organisms at higher trophic levels and in less productive ecosystems. Very large, irreversible changes to ecosystem structure are expected at levels of vegetation removal akin to those in the most intensively used real-world ecosystems. Our results suggest that the projected twenty-first century rapid increases in agricultural land conversion may lead to widespread trophic cascades and in some cases irreversible changes to ecosystem structure.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,711
Score d'incertitude au seuil0,459

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,015
Tête enseignante GPT0,227
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations38
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetEcosystem dynamics and resilienceTravaux en français237 207