THE EFFECT OF FOREST FRAGMENTATION ON TREE SPECIES ABUNDANCE AND DIVERSITY IN THE EASTERN ARC MOUNTAINS OF TANZANIA
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
Habitat fragmentation is considered a threat to biodiversity conservation. Uluguru forest block, a section of the Eastern Arc Mountains in Tanzania remains highly vulnerable to fragmentation. However, to date, fragmentation effects on species abundance and diversity have not been investigated. This study aimed at investigating effects of fragmentation on species abundance and diversity in Uluguru forest block, Morogoro region, Tanzania. A RapidEye satellite image was analyzed using the maximum likelihood classifier (MLC) to map the fragmented forest. Remotely sensed variables with data on species diversity were modelled using the Generic Algorithm for Rule-Set Prediction (GARP) algorithm while fragmentation parameters were extracted using Fragstats software, which were then linked to species and edaphic factors. Results showed that species diversity was predicted better with customized environmental variables which recorded an Area Under Curve (AUC) of 0.89. The Poisson regression results showed that individual tree species responded differently to patch area dynamics, habitat status and soil nitrogen. Generally, the abundance of dominant species like Mytenus undata Thunb (p < 0.001), Zenkerella capparidacea (Taub.) J. Leon (p < 0.001) and Oxyanthus specious DC. (p = 0.023) decreased with a reduction in patch area. The present study suggests the need to integrate comprehensive plans and other intervention measures into long-term intervention initiatives.
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 | 0,001 |
| 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