MétaCan
Menu
← Retour à la cohorte
Enregistrement W3112308311 · doi:10.1101/2020.12.14.422715

Safeguarding pollinators requires specific habitat prescriptions and substantially more land area than current policy suggests

2020· preprint· en· W3112308311 sur OpenAlexaffabout
Alana Pindar, Adam Hogg, Nigel E. Raıne

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensMinistry of Natural Resources and ForestryUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHabitatGeographyWoodlandPollinatorEcologyBiodiversityHabitat fragmentationSpecies richnessSafeguardingHabitat conservationAbundance (ecology)WetlandEcosystem servicesLand useHabitat destructionAgroforestryPollinationEcosystemBiologyPollen

Résumé

récupéré en direct d'OpenAlex

Abstract Habitat loss and fragmentation are major drivers of global pollinator declines, yet even after recent unprecedented periods of anthropogenic land-use intensification the amount of habitat needed to support pollinators remains unknown. Here we use comprehensive datasets to determine the extent and amount of habitat needed. Safeguarding wild bee communities in a Canadian landscape requires 11.6-16.7% land-cover from a diverse range of habitats (~1.8-3.6x current policy guidelines), irrespective of whether conservation aims are enhancing species richness or abundance. Sensitive habitats, like tallgrass woodlands and wetlands, were important predictors of bee biodiversity. Conservation strategies that under-estimate the extent of habitat, spatial scale and specific habitat needs of functional guilds are unlikely to protect bee communities and the essential pollination services they provide to crops and wild plants. One sentence summary Safeguarding wild bee communities requires 11.6-16.7% of the area in common North American landscapes to provide targeted habitat prescriptions for different functional guilds over a variety of spatial 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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,238
Score d'incertitude au seuil0,474

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,049
Tête enseignante GPT0,232
Écart entre enseignants0,182 · 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetPlant and animal studies→Travaux en français237 207→