MétaCan
Menu
Retour à la cohorte
Enregistrement W4303649685 · doi:10.25674/so94iss1id178

Global monitoring of soil animal communities using a common methodology

2022· article· en· W4303649685 sur OpenAlexaff
Anton Potapov, Xin Sun, María J.I. Briones, George Brown, Erin Cameron, Chih‐Han Chang, Jérôme Cortet, Nico Eisenhauer, André Franco, Saori Fujii, Stefan Geisen, Konstantin B. Gongalsky, Carlos Guerra, Jari Haimi, I. Tanya Handa, Charlene Janion‐Scheepers, Kamil Karaban, Zoë Lindo, Jérôme Mathieu, María Laura Moreno, Maka Murvanidze, Uffe N. Nielsen, Stefan Scheu, Olaf Schmidt

Notice bibliographique

RevueJyväskylä University Digital Archive (University of Jyväskylä) · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInvertebrate Taxonomy and Ecology
Établissements canadiensWestern UniversityUniversité du Québec à Montréal
Organismes subventionnairesDeutsches Zentrum für integrative Biodiversitätsforschung Halle-Jena-LeipzigNational Natural Science Foundation of ChinaDeutsche ForschungsgemeinschaftConselho Nacional de Desenvolvimento Científico e TecnológicoEuropean Commission
Mots-clésEnvironmental scienceEnvironmental resource management

Résumé

récupéré en direct d'OpenAlex

Here we introduce the Soil BON Foodweb Team, a cross-continental collaborative network that aims to monitor soil animal communities and food webs using consistent methodology at a global scale. Soil animals support vital soil processes via soil structure modification, consumption of dead organic matter, and interactions with microbial and plant communities. Soil animal effects on ecosystem functions have been demonstrated by correlative analyses as well as in laboratory and field experiments, but these studies typically focus on selected animal groups or species at one or few sites with limited variation in environmental conditions. The lack of comprehensive harmonised large-scale soil animal community data including microfauna, mesofauna, and macrofauna, in conjunction with related soil functions, microbial communities, and vegetation, limits our understanding of biological interactions in soil systems and how these interactions affect ecosystem functioning. To provide such data, the Soil BON Foodweb Team invites researchers worldwide to use a common methodology to address six long-term goals: (1) to collect globally representative harmonised data on soil micro-, meso-, and macrofauna communities, (2) to describe key environmental drivers of soil animal communities and food webs, (3) to assess the efficiency of conservation approaches for the protection of soil animal communities, (4) to describe soil food webs and their association with soil functioning globally, (5) to establish a global research network for soil biodiversity monitoring and collaborative projects in related topics, (6) to reinforce local collaboration networks and expertise and support capacity building for soil animal research around the world. In this paper, we describe the vision of the global research network and the common sampling protocol to assess soil animal communities and advocate for the use of standard methodologies across observational and experimental soil animal studies. We will use this protocol to conduct soil animal assessments and reconstruct soil food webs at sites associated with the global soil biodiversity monitoring network, Soil BON, allowing us to assess linkages among soil biodiversity, vegetation, soil physico-chemical properties, climate, and ecosystem functions. In the present paper, we call for researchers especially from countries and ecoregions that remain underrepresented in the majority of soil biodiversity assessments to join us. Together we will be able to provide science-based evidence to support soil biodiversity conservation and functioning of terrestrial ecosystems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,215
Écart entre enseignants0,144 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJyväskylä University Digital Archive (University of Jyväskylä)Même sujetInvertebrate Taxonomy and EcologyTravaux en français237 207