rarestR: An R package using rarefaction metrics to estimate α-diversity (species richness) and β-diversity (species shared) for incomplete samples
Notice bibliographique
Résumé
Abstract Species abundance data is commonly used to study biodiversity patterns. In this context, estimating α- and β-diversity based on incomplete samples can lead to ‘undersampling biases’. It is therefore essential to employ methods that enable accurate comparisons of α- and β-diversity across varying sample sizes. This involves relying on biodiversity measures that are focused on accurately estimating the total number of species within a community, as well as the total number of species shared by two communities. Rarefaction offers such a method, where α-diversity is estimated for standardized sample sizes. Rarefaction methods can also be used as a basis for β-diversity calculations for standardized sample sizes. In this application note, we introduce a new R package, rarestR , designed to estimate abundance-based α- and β-diversity measures for inconsistent samples using rarefaction metrics. Additionally, the package offers parametric extrapolations to estimate the total expected number of species within a single community and the total expected number of species shared between two communities. Furthermore, it provides visualization for the curve fitting associated with these estimators. Overall, the rarestR package is useful in estimating α- and β-diversity values for incomplete samples, for example in studies involving highly mobile or species-rich taxa. These species estimators offer a complementary approach to non-parametric methods, such as the Chao series of estimators.
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 | 0,012 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,033 |
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 ».