MétaCan
Menu
Retour à la cohorte
Enregistrement W4406624555 · doi:10.1002/fee.2832

Global artificial light masks biologically important light cycles of animals

2025· review· en· W4406624555 sur OpenAlexaff
Brett Seymoure, Rachel T. Buxton, Jeremy White, Kurt M. Fristrup, Kevin R. Crooks, George Wittemyer, Lisa M. Angeloni

Notice bibliographique

RevueFrontiers in Ecology and the Environment · 2025
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensCarleton University
Organismes subventionnairesNational Park Service
Mots-clésArtificial lightEnvironmental scienceOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

We document the importance of low‐light conditions in 136 animal species and then translate the new world atlas of skyglow, which reports artificial night sky brightness, into estimates of anthropogenic illuminance (that is, artificial light reaching Earth's surface). Quantifying habitat illuminance from skyglow facilitates understanding of the disruption of natural light cycles, such as new moon conditions, which are critical to animal ecology. We corroborated this transformation of sky brightness by comparing concurrent field measurements of skyglow and illuminance. We then quantified global artificial illuminance caused by skyglow, finding that skyglow artificially doubled illuminance of new moon conditions—a critical phase for biological processes, such as foraging, courtship, and mating—for 22.9% of the Earth's terrestrial surface, 51.0% of Key Biodiversity Areas, 77.1% of Global Protected Areas, and ~20% of highly diverse areas for mammals, birds, and amphibians. We provide summaries of artificial illuminance at 750‐m pixel resolution for each protected area to aid land managers and guide policy in reducing skyglow in areas that may yield the greatest benefits for conserving animal biodiversity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,013
Tête enseignante GPT0,265
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and the EnvironmentMême sujetImpact of Light on Environment and HealthTravaux en français237 207