Beta diversity and nature reserve system design a case study from the Yukon, Canada
Notice bibliographique
Résumé
Design of protected areas has focused on setting targets for representation of biodiversity, but \noften these targets do not include prescriptions as to how large protected areas should be or where they \nshould be located. Principles of island biogeography theory have been applied with some success, but they \nhave limitations. The so-called SLOSS (single large or several small reserves) debate hinged on applications \nof island biogeography theory to protected areas but was resolved only to the point that parties agreed there \nmight be different approaches in different situations. Although proponents on both sides of the SLOSS debate \ngenerally agree that replicating protected areas is desirable, it is difficult to determine how to replicate reserves \nin terms of number and spatial arrangement. More important, many targets for representation often do not \naddress issues of species persistence. Here, we used a geographic information system in a study of disturbancesensitive \nmammals of the Yukon Territory, Canada, to design a protected-areas network that maintains a \nhistorical assemblage of species goals for component ecoregions. We simultaneously determined patterns of \ndiversity as Whittaker’s beta and compositional turnover and examined how these two measures can give \nfurther insights into reserve location and spatial arrangement. Both regional heterogeneity and compositional \nturnover between nonadjacent sites were significant predictors of the number of protected areas necessary \nto represent mammals within each ecoregion. Thus, protected-area planners can use diversity measures to \nidentify number and spacing of protected areas within ecologically bounded regions.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».