MétaCan
Menu
Retour à la cohorte
Enregistrement W3148163548 · doi:10.1111/jvs.13021

Synthesizing tree biodiversity data to understand global patterns and processes of vegetation

2021· article· en· W3148163548 sur OpenAlex
Gunnar Keppel, Dylan Craven, Patrick Weigelt, Stephen A. Smith, Masha T. van der Sande, Brody Sandel, Sam Levin, Holger Kreft, Tiffany M. Knight

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Vegetation Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensnon disponible
Organismes subventionnairesDeutsches Zentrum für integrative Biodiversitätsforschung Halle-Jena-LeipzigAlexander von Humboldt-StiftungNederlandse Organisatie voor Wetenschappelijk OnderzoekMcGill UniversityJohns Hopkins UniversityDirectorate for Biological SciencesRoyal Society
Mots-clésBiodiversityVegetation (pathology)EcologyTree (set theory)EcosystemGlobal biodiversityGeographyBiomass (ecology)Environmental resource managementBiologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract Aims Trees dominate the biomass in many ecosystems and are essential for ecosystem functioning and human well‐being. They are also one of the best‐studied functional groups of plants, with vast amounts of biodiversity data available in scattered sources. We here aim to illustrate that an efficient integration of these data could produce a more holistic understanding of vegetation. Methods To assess the extent of potential data integration, we use key databases of plant biodiversity to: (a) obtain a list of tree species and their distributions; (b) identify coverage of and gaps in different aspects of tree biodiversity data; and (c) discuss large‐scale patterns of tree biodiversity in relation to vegetation. Results Our global list of trees included 58,044 species. Taxonomic coverage varies in three key databases, with data on the distribution, functional traits, and molecular sequences for about 84%, 45% and 44% of all tree species, which is >10% greater than for plants overall. For 28% of all tree species, data are available in all three databases. However, less data are digitally accessible about the demography, ecological interactions, and socio‐economic role of tree species. Integrating and imputing existing tree biodiversity data, mobilization of non‐digitized resources and targeted data collection, especially in tropical countries, could help closing some of the remaining data gaps. Conclusions Due to their key ecosystem roles and having large amounts of accessible data, trees are a good model group for understanding vegetation patterns. Indeed, tree biodiversity data are already beginning to elucidate the community dynamics, functional diversity, evolutionary history and ecological interactions of vegetation, with great potential for future applications. An interoperable and openly accessible framework linking various databases would greatly benefit future macroecological studies and should be linked to a platform that makes information readily accessible to end users in biodiversity conservation and management.

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.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,233

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
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 Opus0,052
Tête enseignante GPT0,296
Écart entre enseignants0,243 · 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