Changes in landscape‐scale tree biodiversity in the north‐eastern USA since European settlement
Notice bibliographique
Résumé
Abstract Aim Despite global biodiversity losses, trends at local and regional scales are context dependent. Recent studies have been criticized for lacking baselines preceding human impacts, and few such studies have addressed the landscape scale. Our aim was to quantify temporal trends in landscape‐scale tree diversity during an unambiguous period of massively increased anthropogenic disturbance and to test the hypothesis that land use can increase landscape‐scale diversity via increased environmental heterogeneity. Location Eastern USA. Time period 1620–2008. Major taxa studied Trees. Methods We combined data from archival land surveys and modern‐day forest inventories in the north‐eastern USA to quantify tree genus diversity at the scale of towns (“landscapes”). We modelled change in diversity over time as a function of the proportion of the landscape historically converted to agriculture, historical temperature increases and nitrogen deposition, and other abiotic and spatial variables. We also tested for scale‐dependent changes in beta diversity. Results Overall, tree genus diversity (Shannon and Simpson indices) changed minimally over time on average, but the magnitude of change increased with the maximum historical percentage of the town in agriculture. Other predictor variables had minimal influence. Beta diversity increased over time for nearby pairs of towns and decreased over time for more distant towns. Main conclusions Forests have regrown on much former agricultural land, and our results support the hypothesis that increased landscape‐scale environmental heterogeneity, attributable to land use, increased tree diversity. Where agricultural land use was uncommon, declines in diversity might be attributable to effects of logging and fire suppression. Even the strongest driver of biodiversity loss at local and global scales (human land use) can lead to increases in biodiversity at the landscape scale, in addition to scale dependence of biotic differentiation versus homogenization.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».