MétaCan
Menu
← Retour à la cohorte
Enregistrement W3111218621 · doi:10.1101/2020.12.16.423020

Global gradients in intertidal species richness and functional groups

2020· preprint· en· W3111218621 sur OpenAlexaff
Jakob Thyrring, Lloyd S. Peck

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine Biology and Ecology Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsComisión Nacional de Investigación Científica y TecnológicaTotal FoundationNatural Environment Research CouncilBureau of Ocean Energy ManagementU.S. NavyUK Research and Innovation
Mots-clésIntertidal zoneEcologySpecies richnessLatitudeDiversity (politics)PredationBiodiversitySpecies diversityBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Whether global latitudinal diversity gradients exist in rocky intertidal α-diversity and across functional groups remains unknown. Using literature data from 433 intertidal sites, we investigated α-diversity patterns across 155° of latitude, and whether local-scale or global-scale structuring processes control α-diversity. We, furthermore, investigated how the relative composition of functional groups (algae, grazers, predators and suspension-feeders) changes with latitude. α-diversity differed among hemispheres with a mid-latitudinal peak in the north, and a non-significant unimodal pattern in the south, but there was no support for a latitudinal diversity gradient. Although global-scale drivers had no discernible effect, the local-scale drivers significantly affected α-diversity, and our results reveal that latitudinal diversity gradients are outweighed by local-processes. In three functional groups: predators, grazers and suspension-feeders diversity declined with latitude, coinciding with an inverse gradient in algae. Overall, we propose more studies are needed on the magnitude and influence of physical and biotic drivers across multiple scales.

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 enseignants0,003
Score d'incertitude au seuil0,006

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 technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,214
Écart entre enseignants0,191 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMarine Biology and Ecology Research→Travaux en français237 207→