Data from: The scale of effect of landscape context varies with the species’ response variable measured
Notice bibliographique
Résumé
ABSTRACT FROM THE ASSOCIATED PAPER IN LANDSCAPE ECOLOGY: Context: To detect an effect of landscape context on a species’ response, the landscape variables need to be measured within the appropriate distance from the species’ response, i.e. at the scale of effect. However, it is not clear what factors determine the scale of effect. Objective: Our objective was to test the prediction that the scale of effect should be smallest when the species’ response is fecundity, larger for abundance, and larger still for occurrence. Methods: We compared the scale of effect of two landscape variables (road density, forest proportion) on the three responses (fecundity, abundance, occurrence) for the wood frog (Lithobates sylvaticus) in eastern Ontario, Canada. We used egg mass surveys of 34 ponds to estimate fecundity (mean eggs/mass), abundance (number of masses), and occurrence (presence/absence of egg masses). We then empirically estimated the scale of effect of each landscape variable on each response. Results: The scale of effect differed among responses, from 0.2 to 3.0 km radii; however, it did not vary in the predicted order. Furthermore, the order was not consistent between the two landscape variables. Conclusions: Our results show that the scale of effect of a landscape variable on a given species can differ for different response variables. However, they also suggest that these differences in the scale of effect are not predictable. Thus, the most reliable way to ensure a landscape context study is conducted at the correct spatial extent is to estimate the scale of effect empirically, rather than ‘guesstimating’ the extent a priori.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».