Reconciliation Ecology and the Future of Species Diversity
Notice bibliographique
Résumé
Alexander von Humboldt (1807) provided the first hint of one of ecology’s most pervasive rules: larger areas contain more species than do small ones. Many ecologists see that rule—the species–area relationship—as one of ecology’s very few general laws (e.g., Lawton 1999, Rosenzweig and Ziv 1999). In the past two centuries, ecologists have learned a lot about species–area relationships. I will explore that knowledge and show that we can already use it in the struggle to minimize extinction losses. It teaches us what proportion of diversity is truly threatened and how to prevent most losses by applying a new strategy of conservation biology. Olaf Arrhenius (1921) and Frank Preston (1960) formalized the species–area pattern by fitting it with a power equation: . . . S = Caz (1) . . . where S is the number of species, A is the area, and C and z are constants. For convenience, ecologists generally employ the logarithmic form of this equation: . . . log S = c + z log A (2) . . . where c = log C. (Note that I do not use the jargon term “species richness.” To understand why, see Rosenzweig et al. 2003.) The species–area power equation, or SPAR, can be fitted to an immense amount of data (Rosenzweig 1995). Ecologists are not sure why a power equation fits islands or continents. But we do have a successful mathematical theory for areas within a province. Brian McGill (personal communication) has deduced the species–area curve within provinces from four assumptions: • The geographical range of each species is independently located with respect to all others. • Species vary in abundance with respect to each other. • Species have a minimum abundance. • Each species’ abundance varies significantly across its own range, being relatively scarce more often than relatively common. (“Relatively” means with respect to its own average abundance.) Data support all four assumptions. From them, McGill shows that there is a species–area curve and that it approximates a power equation whose z-value ranges between 0.05 and 0.25 with a mean of about 0.15.
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 | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,008 | 0,018 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».