Efectos del cambio global sobre la dinámica poblacional de la fauna de montaña
Bibliographic record
Abstract
Las montañas ocupan el 27% de la superficie terrestre y están presentes en casi todos sus biomas. Son sistemas que albergan una elevada proporción de especies endémicas y de climas fríos y aportan diversos servicios ecosistémicos. Sin embargo, a pesar de su topografía abrupta, las montañas no están exentas de los impactos del cambio global que, entre otras cosas, han afectado a la dinámica de las poblaciones de fauna, suponiendo en algunos casos retracciones que han incrementado su riesgo de extinción regional. Además, el rango de respuestas observado es amplio debido a los efectos de diversos factores extrínsecos (ambientales) e intrínsecos sobre las poblaciones. Este trabajo revisa las evidencias existentes de los impactos del cambio climático y las alteraciones en los usos del suelo sobre las poblaciones animales de montaña. Para ello, (1) se presenta una síntesis de las tendencias temporales de la climatología y de los usos del suelo, atendiendo a su variación a lo largo del gradiente altitudinal; (2) se describen los tipos de datos disponibles; (3) se sintetizan los patrones encontrados según el tipo de información analizada, así como los posibles mecanismos que explican su variabilidad; y (4) se proponen algunas posibles mejoras para la toma y la interpretación de los datos utilizados en el estudio del impacto del cambio global en poblaciones de montaña.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".