L'utilisation d'espèces indicatrices dans un contexte de changement climatique : cas des oiseaux de l'est de la forêt boréale canadienne
Bibliographic record
Abstract
Plusieurs contraintes peuvent entraver le suivi à large échelle nécessaire à l’évaluation et à la mise en place de mesures pour atténuer la perte de biodiversité, notamment en milieu nordique. L’utilisation d’espèces indicatrices d’assemblages est une méthode qui permet de simplifier le suivi de la biodiversité à partir d’un nombre limité d’espèces. Malgré des études prometteuses à fines échelles, l’efficacité d’une telle pratique sur de vastes étendues spatiales demeure incertaine. À l’aide de 22 041 points d’écoutes provenant d’atlas d’oiseaux nicheurs, nous avons évalué l’efficacité des espèces indicatrices d’oiseaux à prédire de manière cohérente la richesse spécifique malgré les variations climatiques observées sur 1,75 M km2de forêt boréale. Afin de tester l’effet des conditions climatiques sur les assemblages d’espèces, nous avons séparé notre zone d’étude en huit régions climatiques relativement similaires. À l’aide d’analyses par modèle nul sur la co-occurrence des espèces, nous avons identifié le nombre minimal d’espèces indicatrices nécessaires pour prévoir 70 % de la variation de richesse spécifique dans chacune des régions climatiques. Bien que nous ayons réussi à identifier un nombre restreint d’espèces indicatrices par région climatique, nous avons également montré que les espèces indicatrices variaient largement entre les régions. Les espèces qui conservaient leur capacité à être indicatrices dans plusieurs régions climatiques étaient également représentatives d’assemblages d’espèces différentes. Cette étude montre que les espèces identifiées comme indicatrices pourraient ne plus indiquer le même assemblage d’espèces dans un avenir proche. L'utilisation d’indicateurs à large échelle s'accompagne donc du défi de devoir déterminer sous quelles nouvelles conditions un ensemble d'indicateurs doit être remplacé, puis d’identifier le nouvel ensemble approprié.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".