MétaCan
Menu
Retour à la cohorte
Enregistrement W6929872733 · doi:10.5066/f7x63kvf

Data release for Quantifying ecosystem service flows at multiple scales across the range of a long-distance migratory species

2018· dataset· en· W6929872733 sur OpenAlexaboutno aff

Notice bibliographique

RevueUSGS DOI Tool Production Environment · 2018
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant tissue culture and regeneration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEcosystem servicesHabitatContext (archaeology)EcosystemOverwinteringRange (aeronautics)Habitat conservationSpatial ecology

Résumé

récupéré en direct d'OpenAlex

Migratory species provide ecosystem goods and services throughout their annual cycles, often over long distances. Designing effective conservation solutions for migratory species requires knowledge of both species ecology and the socioeconomic context of their migrations. We present a framework built around the concept that migratory species act as carriers, delivering benefit flows to people throughout their annual cycle that are supported by the network of ecosystems upon which the species depend. We apply this framework to the monarch butterfly (Danaus plexippus) migration of eastern North America by calculating their spatial subsidies. Spatial subsidies are the net ecosystem service flows throughout a species range and a quantitative measure of the spatial mismatch between the locations where people receive most benefits and the locations of habitats that most support the species. Results indicate cultural benefits provided by monarchs in the U.S. and Canada are subsidized by migration and overwintering habitat in Mexico. At a finer scale, throughout the monarch range, habitat in rural landscapes subsidizes urban residents. Understanding the spatial distribution of benefits derived from and ecological support provided to monarchs and other migratory species offers a promising means of understanding the costs and benefits associated with conservation across jurisdictional borders.

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)0,007
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0330,032

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 Opus0,044
Tête enseignante GPT0,268
Écart entre enseignants0,224 · 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
GenreJeu de données

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUSGS DOI Tool Production EnvironmentMême sujetPlant tissue culture and regenerationTravaux en français237 207