MétaCan
Menu
Retour à la cohorte
Enregistrement W4416287427 · doi:10.1111/ele.70254

The Roles of Space and Food‐Web Complexity in Mediating Ecological Recovery

2025· article· en· W4416287427 sur OpenAlexafffund
Klementyna A. Gawecka, Matthew A. Barbour, James M. Bullock, Jordi Bascompte

Notice bibliographique

RevueEcology Letters · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesHORIZON EUROPE Marie Sklodowska-Curie ActionsH2020 Marie Skłodowska-Curie ActionsFonds de recherche du Québec – Nature et technologiesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNatural Environment Research CouncilNatural Sciences and Engineering Research Council of CanadaUniversität Zürich
Mots-clésMetacommunityRestoration ecologyTrophic levelBiodiversityPopulationCommunityReversingInterdependenceEcological network

Résumé

récupéré en direct d'OpenAlex

Landscape-scale ecological restoration is a key strategy for halting and reversing biodiversity decline. However, ensuring the long-term sustainability of restoration efforts requires guiding the recovery of complex ecological systems with many interdependent species at a landscape scale. Due to these challenges, our understanding of recovery trajectories remains limited. Using metacommunity models and experiments, we explore how the spatial configuration of communities and food-web complexity jointly influence species recovery at different spatial scales. We find that the number and spatial placement of communities affect the colonisation of empty habitat patches, but do not influence population recovery in patches where communities are introduced. Food-web complexity reduces the recovery of lower trophic levels. However, this negative effect may be partially mitigated at higher levels of food-web complexity. Our results demonstrate that the joint consideration of spatial configuration and species interactions could enhance the effectiveness of restoration actions.

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)0,003
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,217 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetIsotope Analysis in EcologyTravaux en français237 207