MétaCan
Menu
Retour à la cohorte
Enregistrement W4391287897 · doi:10.1016/j.ecolind.2024.111587

Cross-taxon correlation and effectiveness of indicator taxa in nature reserves of China

2024· article· en· W4391287897 sur OpenAlexafffund
Sha Jiang, Fanhua Kong, Minhua Zhang, Yu Liu, Fangliang He

Notice bibliographique

RevueEcological Indicators · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésTaxonNature reserveChinaEcologyBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Indicator taxa have been widely used in biological conservation when data on the taxa of conservation interest are lacking. However, most studies have focused on common taxa (e.g., vascular plants, birds, reptiles, amphibians, and mammals) and found little consistent correlation between taxa. In this study, we extended the investigation to cover 10 taxonomic groups from 361 nature reserves in China. We assessed the strength of competing mechanisms hypothesized to promote indicator taxa correlations. We detected significant positive correlations in species richness among most of the 10 taxonomic groups except for macrofungi-insect and bryophyte-bird pairs. Yet, we found no single taxon satisfying the criteria to be used as an indicator for other taxa, although angiosperms had the potential to predict species richness of several other groups (e.g., ferns, gymnosperms, mammals, reptiles, amphibians), and ferns were useful for indicating reptiles and amphibians. Macrofungi and insects are the two groups that cannot be effectively indicated by any other groups. We also found that energy and climatic stability played the most significant role in regulating species richness of most study taxa, and possibly their between-taxon correlations. Our study provides new evidence for understanding cross-taxon congruence and the underlying mechanisms in the nature reserves of China.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,000

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 Opus0,010
Tête enseignante GPT0,280
Écart entre enseignants0,270 · 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.

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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcological IndicatorsMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207