Human and Environmental Factors Shape Tree Species Assemblages in West African Tropical Forests
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
Human activities exert pronounced influence on forest ecosystems, impacting biodiversity and functions across multiple scales. However, the consequences of low-intensity human activities on tropical forest ecosystems are difficult to assess and remain poorly explored. The influence of human activities and other site-specific variables on forest tree assemblages in central-west Africa was investigated. The greatest impact of human activity was expected to be seen on edible tree species. Tree species in the forest were divided into edible (consumed by humans) and inedible species to assess the differential impacts of human resource use on species. Tree data from 66 plots in Nigeria and Cameroon (collected between 2002 and 2019) were analysed using Generalized Dissimilarity Models (GDMs) to assess pairwise beta-diversity between plots. Human activity significantly affected beta-diversity within the Nigeria-Cameroon forest region. Total beta-diversity was shaped by geographical distance between plots, plot elevation, stem density, proximity to human presence, and forest species composition. The forest species composition (monodominant or mixed forest) appeared to influence dissimilarity in beta-diversity for edible tree species only, likely linked to cultural practices in the region. Influence of elevation was significant for inedible species only, due to access restriction. These findings underscore the role of human influence in shaping tree species assemblages in African tropical forests and stress the necessity for further research in this area.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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