Wealth and urbanization shape medium and large terrestrial mammal communities
Notice bibliographique
Résumé
Urban biodiversity provides critical ecosystem services and is a key component to environmentally and socially sustainable cities. However, biodiversity varies greatly within and among cities, leading to human communities with changing and unequal experiences with nature. The "luxury effect," a hypothesis that predicts a positive correlation between wealth, typically measured by per capita income, and species richness may be one indication of these inequities. While the luxury effect is well studied for some taxa, it has rarely been investigated for mammals, which provide unique ecosystem services (e.g., biological pest control) and exhibit significant potential for negative human-wildlife interactions (e.g., nuisances or conflicts). We analyzed a large dataset of mammal detections across 20 North American cities to test whether the luxury effect is consistent for medium- to large-sized terrestrial mammals across diverse urban contexts. Overall, support for the luxury effect, as indicated by per capita income, was inconsistent; we found evidence of a luxury effect in approximately half of our study cities. Species richness was, however, highly and negatively correlated with urban intensity in most cities. We thus suggest that economic factors play an important role in shaping urban mammal communities for some cities and species, but that the strongest driver of urban mammal diversity is urban intensity. To better understand the complexity of urban ecosystems, ecologists and social scientists must consider the social and political factors that drive inequitable human experiences with nature in cities.
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 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 | 0,000 | 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 | 0,000 |
| 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 tête enseignante, 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 ».