MétaCan
Menu
Retour à la cohorte
Enregistrement W4414882709 · doi:10.1002/ecy.70223

Long‐term abundance time‐series of the High Arctic terrestrial vertebrate community of Bylot Island, Nunavut

2025· article· en· W4414882709 sur OpenAlexafffundabout
Louis Moisan, Azenor Bideault, Gilles Gauthier, Éliane Duchesne, Dominique Fauteux, Dominique Berteaux, Pierre Legagneux, Marie‐Christine Cadieux, Joël Bêty

Notice bibliographique

RevueEcology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensCenter for Northern StudiesUniversité de SherbrookeAssociation of Canadian Universities for Northern StudiesUniversité du Québec à Rimouski
Organismes subventionnairesNetworks of Centres of Excellence of CanadaNatural Sciences and Engineering Research Council of CanadaNunavut Wildlife Management BoardKenneth M. Molson FoundationCanada First Research Excellence FundEnvironment and Climate Change CanadaUniversité LavalPolar Knowledge CanadaArcticNetParks CanadaMolson FoundationNatural Resources CanadaCanada Foundation for InnovationDucks Unlimited CanadaGarfield Weston FoundationUniversité du Québec à RimouskiGovernment of Canada
Mots-clésTundraAbundance (ecology)TransectVertebrateArcticRange (aeronautics)EcosystemHabitatCommunityTerrestrial ecosystem

Résumé

récupéré en direct d'OpenAlex

Abstract Arctic ecosystems present unique opportunities for community‐wide monitoring, in part due to their relatively low species richness. However, conducting research in these remote environments poses significant logistical challenges, resulting in long‐term monitoring being exceedingly rare. Here, we focus on the long‐term, intensive ecological monitoring efforts conducted on the south plain of Bylot Island (~400 km 2 , Nunavut, Canada), which has generated a remarkable dataset spanning up to 30 years, a rarity in tundra ecosystems. Our goals are to (1) provide long‐term time‐series of annual vertebrate density measured at various spatial scales and for the broadest possible range of species and years, to allow the assessment of interannual variability and trends in species density; and (2) upscale annual vertebrate abundance or sometimes long‐term averages to the landscape scale (400 km 2 ) to allow food web modeling. Monitoring data include intensive capture–mark–recapture density estimates of lemmings on trapping grids, systematic or opportunistic nest monitoring conducted across the entire study area or within specific plots for all bird species, transects of vertebrate counts distributed throughout the study area, daily incidental observations of vertebrates, and satellite tracking of foxes. We standardized data obtained with different field methods to provide a readily usable dataset for community ecologists. Long‐term time‐series of vertebrate densities span 3–27 years, with a median of 16.5 years for 22 species. We estimated landscape‐scale abundance for all 35 species of the community based on annual time‐series for 15 of them and average abundance for the remaining 20 species. Furthermore, we provide body mass data for each species, based on empirical onsite measurements for 18 species and from the literature for the remaining species. Body mass is essential to convert species abundance into biomass for studies of trophic fluxes and ecosystem processes. Daily climatic data recorded since 1992 from weather stations within the study area are also available and complement the vertebrate dataset. The ecological data presented offer a rare opportunity for holistic empirical studies of community structure and dynamics. Considering that the study site is a pristine and protected area that has experienced minimal direct anthropogenic impact, it also provides an ideal baseline for investigating the impacts of global changes on high‐latitude terrestrial ecosystems. There are no copyright restrictions on the data or code, and this data paper should be cited when these items are reused.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,223 · 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'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

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207