MétaCan
Menu
Retour à la cohorte
Enregistrement W3080154305 · doi:10.1093/biosci/biaa079

The Complexity of Urban Eco-evolutionary Dynamics

2020· article· en· W3080154305 sur OpenAlexaff
Marina Alberti, Eric P. Palkovacs, Simone Des Roches, Luc De Meester, Kristien I. Brans, Lynn Govaert, Nancy B. Grimm, Nyeema C. Harris, Andrew P. Hendry, Christopher J. Schell, Marta Szulkin, Jason Munshi‐South, Mark C. Urban, Brian C. Verrelli

Notice bibliographique

RevueBioScience · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensMcGill University
Organismes subventionnairesNational Science Foundation
Mots-clésUrbanizationEcologyEvolutionary ecologyEcosystem servicesEcosystemEcological networkBiological dispersalGeographyEnvironmental resource managementBiologyEnvironmental sciencePopulation

Résumé

récupéré en direct d'OpenAlex

Abstract Urbanization is changing Earth's ecosystems by altering the interactions and feedbacks between the fundamental ecological and evolutionary processes that maintain life. Humans in cities alter the eco-evolutionary play by simultaneously changing both the actors and the stage on which the eco-evolutionary play takes place. Urbanization modifies land surfaces, microclimates, habitat connectivity, ecological networks, food webs, species diversity, and species composition. These environmental changes can lead to changes in phenotypic, genetic, and cultural makeup of wild populations that have important consequences for ecosystem function and the essential services that nature provides to human society, such as nutrient cycling, pollination, seed dispersal, food production, and water and air purification. Understanding and monitoring urbanization-induced evolutionary changes is important to inform strategies to achieve sustainability. In the present article, we propose that understanding these dynamics requires rigorous characterization of urbanizing regions as rapidly evolving, tightly coupled human–natural systems. We explore how the emergent properties of urbanization affect eco-evolutionary dynamics across space and time. We identify five key urban drivers of change—habitat modification, connectivity, heterogeneity, novel disturbances, and biotic interactions—and highlight the direct consequences of urbanization-driven eco-evolutionary change for nature's contributions to people. Then, we explore five emerging complexities—landscape complexity, urban discontinuities, socio-ecological heterogeneity, cross-scale interactions, legacies and time lags—that need to be tackled in future research. We propose that the evolving metacommunity concept provides a powerful framework to study urban eco-evolutionary dynamics.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,211
Écart entre enseignants0,185 · 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'étudeThéorique ou conceptuel
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

Citations184
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioScienceMême sujetLand Use and Ecosystem ServicesTravaux en français237 207