Abundance‐ and incidence‐based estimation of total number of rare species in under‐sampled sites
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 Questions Ecologists collecting field samples of biological data have a keen interest in addressing the following question: how many rare species are there in as‐yet unsurveyed additional samples? Depending on the size of a targeted additional sample, statistical models for estimating the number of rare species have not been systematically established and compared. Location Global. Methods For fairly comparing and predicting rare‐species richness at the same sample‐size baseline, we systematically developed and compared four estimators for rarefaction and extrapolation of rare‐species richness with a given specific abundance. These four estimators included a uniformly minimum variance unbiased (UMVUE), Bayesian‐weighted, Chao‐derived unweighted and naïve estimator. Results After extensive numerical tests, for conducting rarefaction of rare‐species richness (i.e., when additional sample size was not larger than the original one) it is recommended to implement UMVUE, as it has zero bias and coverage percentage closest to 0.95. However, the performance of Bayesian‐weighted and Chao‐derived estimators is also satisfactory. By contrast, for conducting extrapolation of rare‐species richness (i.e., when the additional sample size is larger than the original one), the Bayesian‐weighted estimator is recommended, as it has the best performance among the four estimators (here UMVUE is inapplicable). Conclusions There was no absolute winner, as the different estimators have their own merits and are recommended under different settings. When conducting rarefaction of rare‐species richness, UMVUE, which has the highest accuracy, is recommended. By contrast, when conducting extrapolation of rare‐species richness, the Bayesian‐weighted estimator is recommended, as it has the overall best performance. To facilitate the potential application in the comparison and prediction of rare‐species diversity using rarefaction and extrapolation techniques, an R package (fRSE) has been developed; it is freely distributed at the following URL: https://github.com/ecomol/fRSE .
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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