MétaCan
Menu
Retour à la cohorte
Enregistrement W6948282750 · doi:10.5061/dryad.3r2280gtm

Species' traits modulate rapid changes in flight time in high-Arctic muscid flies under climate change

2025· dataset· en· W6948282750 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2025
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensBishop's UniversityFisheries and Oceans Canada
Organismes subventionnairesInnovationsfonden
Mots-clésPhenologyInterspecific competitionClimate changeContext (archaeology)PopulationInsect flightHabitatAdaptation (eye)

Résumé

récupéré en direct d'OpenAlex

Insects are experiencing notable phenological shifts due to climate change, with substantial interspecific variability. However, our understanding is limited by a shortage of long-term studies, beyond Lepidoptera. This study presents a hierarchical modeling framework to analyze the phenological distribution of eleven muscid fly species across three vegetation types over 18 years (1996 - 2014) in Zackenberg, Northeast Greenland. We examined species-specific changes in phenology and assessed ecological traits for explaining interspecific variation. Additionally, we investigated the associations between phenological shifts and timing of snowmelt and temperature. We found consistent trends of earlier flight activity and interspecific variation in responses, with smaller species shifting their end of the season activity at faster rates than larger species. Flight activity was strongly associated with the timing of snowmelt, while warming was linked to an earlier end of the flight season. Late-active species exhibited more pronounced shifts in response to climate variations than early-active species. This study highlights the species-specific climate sensitivity of high-Arctic muscid flies potentially having demographic effects if temporal overlaps among interacting species change. We advocate for prioritizing species-specific insect population studies, ideally analyzed within the context of interacting species, to understand better and address disparities in responses to climate change.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,010
Tête enseignante GPT0,252
Écart entre enseignants0,242 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADMême sujetCell Image Analysis TechniquesTravaux en français237 207