Benchmarking plant diversity of Palaearctic grasslands and other open habitats
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.
Notice bibliographique
Résumé
Abstract Aims Understanding fine‐grain diversity patterns across large spatial extents is fundamental for macroecological research and biodiversity conservation. Using the GrassPlot database, we provide benchmarks of fine‐grain richness values of Palaearctic open habitats for vascular plants, bryophytes, lichens and complete vegetation (i.e., the sum of the former three groups). Location Palaearctic biogeographic realm. Methods We used 126,524 plots of eight standard grain sizes from the GrassPlot database: 0.0001, 0.001, 0.01, 0.1, 1, 10, 100 and 1,000 m 2 and calculated the mean richness and standard deviations, as well as maximum, minimum, median, and first and third quartiles for each combination of grain size, taxonomic group, biome, region, vegetation type and phytosociological class. Results Patterns of plant diversity in vegetation types and biomes differ across grain sizes and taxonomic groups. Overall, secondary (mostly semi‐natural) grasslands and natural grasslands are the richest vegetation type. The open‐access file ”GrassPlot Diversity Benchmarks” and the web tool “GrassPlot Diversity Explorer” are now available online ( https://edgg.org/databases/GrasslandDiversityExplorer ) and provide more insights into species richness patterns in the Palaearctic open habitats. Conclusions The GrassPlot Diversity Benchmarks provide high‐quality data on species richness in open habitat types across the Palaearctic. These benchmark data can be used in vegetation ecology, macroecology, biodiversity conservation and data quality checking. While the amount of data in the underlying GrassPlot database and their spatial coverage are smaller than in other extensive vegetation‐plot databases, species recordings in GrassPlot are on average more complete, making it a valuable complementary data source in macroecology.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle