The patterns of vascular plant discoveries in China
Notice bibliographique
Résumé
AIM: (1) To understand geographic patterns of species discovery by examining the effect of growth form, range size, and geographic distribution on discovery probability of vascular plant species in China; (2) to find out which taxa harbor the largest number of undiscovered species and where those species locate; and (3) to find out the determinants of province-level mean discovery time and inventory completeness. LOCATION: China. METHODS: . We used a Cox proportional hazard model to determine the biological and geographic correlates of discovery probability. Accumulation curves of species discoveries were fitted by a logistic discovery model to estimate inventory completeness of different growth forms and of different provinces. We then used linear regression to identify the determinants of mean discovery time and beta regression to identify the determinants of inventory completeness. RESULTS: We found that species with larger range size and distributed in northeastern part of China have a higher discovery probability. Coastal species were discovered earlier than inland species. Trees and shrubs of seed plants have the highest discovery probability while ferns have the lowest discovery probability. Herbs have the largest number of undiscovered species in China. Most undiscovered species will be found in southwest China, where three global biodiversity hot spots locate. Spatial patterns of mean discovery time and inventory completeness are mainly driven by the total number of species, human population density in an area, and latitude and longitude of a province. MAIN CONCLUSIONS: Socioeconomic factors primarily determine the discovery patterns of vascular plants in China. Undiscovered species are most likely to be narrow-ranged, inconspicuous endemic species such as herbs and ferns, which are prone to extinctions and locate in biodiversity hot spots in southwestern China.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».