Pasar al contenido principal

Resultados relacionados

Resultados totales (Incluyendo duplicados): 13
Encontrada(s) 1 página(s)

RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

HanaNLG: Sistema de generación de lenguaje híbrido y flexible, HanaNLG: A Flexible Hybrid System for Natural Language Generation

  • Barros, Cristina
  • Lloret, Elena
  • Lloret, Elena|||/items/4593ef69-8308-49d3-8f0f-17e6ee078be5
HanaNLG (Hybrid surfAce realisatioN Approach for Natural Language Generation) es un sistema híbrido para la fase realización capaz de generar automáticamente texto que es fácilmente adaptable a diferentes géneros, dominios y lenguajes. HanaNLG es híbrido porque se basa en el uso de recursos lingüísticos así como en información estadística, a través del uso de Modelos de Lenguaje Factorizados, para construir la salida final. Para generar lenguaje, el sistema propuesto hace uso de estrategias de over-generation y ranking, donde primero se genera un conjunto de frases candidatas para después realizar un ranking donde se seleccione una frase en base a un criterio definido, en nuestro caso, su probabilidad. Además, dado que HanaNLG solo está enfocado en la fase de realización, no tenemos información de los procesos de macroplanificación y microplanificación, para poder guiar la generación en base a un tema concreto, palabras, dominio, etc. Es por ello, que proponemos el concepto de característica semilla. Estas características semillas pueden considerarse objetos abstractos (por ejemplo, fonemas, sentimientos, polaridades, etc.) que guiarán el proceso de generación en relación al vocabulario que la frase generada deba contener. Por consiguiente, el tipo de textos generados por HanaNLG puede ser adaptado a diferentes dominios y también a diferentes objetivos comunicativos (por ejemplo, generación automática de resúmenes). Asimismo, dada la naturaleza de los recursos y técnicas empleadas, nuestro sistema también es fácilmente adaptable a diferentes géneros, dominios y lenguajes. Una descripción más detallada del método completo se puede encontrar en [Barros19, Barros17]., HanaNLG (Hybrid surfAce realisatioN Approach for Natural Language Generation) is a hybrid system for the surface realisation stage capable of automatically generating text which is easily adaptable to different genres, domains and language. HanaNLG is hybrid because the final text is created based on the use of linguistic resources in conjunction with statistical information, through the use of factored language models. In order to generate language, this approach makes use of overgeneration and ranking strategies, where a set of candidate sentences is first generated and then a ranking is performed to select a sentence based on a defined criterion, which, in our case, is the sentence probability. In addition, since HanaNLG is only focused on the surface realisation stage, there is not any information about the macroplanning and microplanning processes, so, to guide the generation on the basis of a specific theme, words, domain, etc., we propose the concept of seed feature. These seed features can be considered as abstract objects (e.g., phonemes, emotions, polarities, etc.) which will guide the generation process in relation with the vocabulary that the generated sentence must contain. Therefore, the text generated by HanaNLG can be adapted to different domains and also to different communicative goals (e.g., automatic summarisation). Likewise, given the nature of the resources and techniques employed, our system is also easily adaptable to different genres, domains and language. A detailed description of the complete approach can be found at [Barros19, Barros17].
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Process v2.0

  • Fernández Martínez, Javier
  • Gutiérrez, Yoan
  • Montoyo, Andres
  • Martínez-Barco, Patricio
  • Llopis, Fernando
  • Muñoz, Rafael
  • Gómez, José M.
  • Moreda, Paloma
  • Palomar, Manuel
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Moreda, Paloma|||/items/aeb186ed-9034-4fdf-96fc-88941be830e7
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
  • Palomar, Manuel|||/items/71e8f2d8-8d56-4c8e-89df-d6ce2497d967
Social Analytics Process v2.0 es un software informático que procesa, analiza y clasifica contenido usualmente procedente de las redes sociales a gran velocidad y lo almacena de forma optimizada para poder realizar posteriores análisis, agrupaciones y visualizaciones de datos en tiempo real. Entre los datos que se extraen podemos destacar aquellos proporcionados por las propias fuentes de información como son lugares, autores, likes (anotación colaborativa por los usuarios que gusta el contenido), número de seguidores de cada contenido y otros. Este software además incorpora tecnologías semánticas para interconectar y resolver etiquetas de geolocalización asociadas a los autores de contenido social, así como sus lugares de procedencia. Los resultados pueden ser utilizados por sistemas de terceros para su representación visual en modo mapa geográfico. Social Analytics Process v2.0 incorpora además otros datos tales como entidades relevantes, palabras claves y, sobre todo polaridad sentimental (positiva, negativa o neutral) y emociones expresadas en el contenido textual, que requieren para su obtención de tecnologías del lenguaje humano. Los metadatos obtenidos por el software van desde datos agregados hasta histogramas que capturan las características antes mencionadas a lo largo del tiempo. Entre las incorporaciones más relevantes y transversales en esta versión v2 se encuentra el procesamiento de contenido textual en varios idiomas. Estos idiomas son inglés, español, catalán y francés. Otra de las funcionalidades que se le suman es la de distinción y simplificación de contenido textual para lograr descubrir enlaces web (URLs) relevantes. Estos enlaces suelen indicar las fuentes originales de información detonantes de los comentarios sociales.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Listener v1.0, Sistema de descarga de contenido social v1.0

  • Fernández Martínez, Javier
  • Gutiérrez, Yoan
  • Montoyo, Andres
  • Martínez-Barco, Patricio
  • Llopis, Fernando
  • Muñoz, Rafael
  • Díez, Álvaro
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
  • Díez, Álvaro|||/items/ab81fc32-cd4b-45d6-a9c9-993edc6b95c2
Social Analytics Listener es una aplicación que permite la descarga de contenido de las redes sociales de modo organizado y estable. Esto es posible mediante el uso de las APIs (en inglés Application Program Interface) proporcionadas por redes sociales que permiten dos tipos de estrategias distintas de descarga. Una de ellas es enviar una consulta con ciertos términos para recuperar todo aquel contenido que contenga dichos términos y entonces recibir los contenidos pertinentes a medida que estos sean publicados en las redes. Este es el caso de Twitter. Por otro lado existe otra estrategia que consiste en enviar consultas periódicas para recibir los últimos contenidos publicados. Este es el caso de Instagram. Como es evidente, las dos redes sociales, que para esta versión del Social Analytics Listener (v1.0) han sido completamente incluidas para ser escuchadas, son Twitter e Instagram. No obstante, la arquitectura de este sistema permite incluir otras fuentes sociales incluso sin contar con el uso de APIs para ese fin. Este es el caso de mecanismos que permitan extraer información directamente de la web.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

GPLSI Emotion Analysis V1.0: Análisis de emociones en textos, GPLSI Emotion Analysis V1.0: Emotion analysis on texts

  • Gutiérrez, Yoan
  • Tomás, David
  • Moreno, Isabel
  • Fernández Martínez, Javier
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Tomás, David|||/items/cf031fc3-3c30-454b-a6df-3762c29cc296
Resumen de la aplicación: GPLSI Emotion Analysis v1.0 constituye una interfaz de programación de aplicaciones (API) que incluye librerías de programación útiles para sistemas de terceros. El objetivo de esta tecnología es analizar textos para detectar y clasificar las emociones expresadas. La Detección y Clasificación de Emociones en textos permite identificar y clasificar las emociones expresadas en un texto. La herramienta aquí descrita es capaz de discriminar entre el siguiente conjunto de emociones: alegría, tristeza, disgusto, miedo y sorpresa. Esta funcionalidad implica dos niveles de granularidad: emoción a nivel global (ENG) y emoción a nivel de aspectos (ENA). La ENG del texto se define como el análisis de todo el texto para determinar el estado de emoción general. La ENA determina el estado de emoción para un aspecto concreto de una entidad dentro un contexto determinado. Por ejemplo, en un mismo texto (usualmente comentarios de usuarios) se pueden expresar emociones diferentes y opuestas hacia los actores de una película y su banda sonora. Dichas funcionalidades, ENG y ENA, se basan en un algoritmo SVM (Máquina de Soporte Vectorial). Esta tecnología aplica skip-grams para extraer patrones de los textos y así compararlos con otros casos (conjunto de entrenamiento) en los que de manera segura se expresan emociones. El conjunto de entrenamiento empleado en esta herramienta ha sido: Potter, Grimms and HCAndersen. Los resultados del estado del arte se posicionan alrededor del 52% de F1. En el caso del sistema descrito aquí, se obtiene de precisión entre 54% y 65% de F1 bajo las mismas condiciones. Es importante resaltar que los clasificadores SVM se pueden actualizar y/o reemplazar para su uso en otros dominios al re-entrenarlos con otros conjuntos de entrenamientos.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Process v1.0, Sistema de analítica de contenido social v1.0

  • Fernández Martínez, Javier
  • Gutiérrez, Yoan
  • Martínez-Barco, Patricio
  • Montoyo, Andres
  • Llopis, Fernando
  • Muñoz, Rafael
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
Social Analytics Process es un software informático que procesa, analiza y clasifica contenido de las redes sociales a gran velocidad y lo almacena de forma optimizada para poder realizar posteriores análisis, agrupaciones y visualizaciones de datos en tiempo real. Entre los datos que se extraen podemos destacar aquellos proporcionados por la propias fuentes de información como son lugares, autores, likes (anotación colaborativa por los usuario que gusta el contenido), número de seguidores de cada contenido y otros. Además de estos datos se le añaden otros como pueden ser entidades relevantes, palabras claves y, sobretodo polaridad sentimental (positiva, negativa o neutral) expresada en el contenido textual, que requieren para su obtención de tecnologías del lenguaje humano.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Web Interface v1.0, Sistema de analitica de contenido social via web v1.0

  • Gutiérrez, Yoan
  • Fernández Martínez, Javier
  • Martínez-Barco, Patricio
  • Llopis, Fernando
  • Muñoz, Rafael
  • Montoyo, Andres
  • Díez, Álvaro
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
  • Díez, Álvaro|||/items/ab81fc32-cd4b-45d6-a9c9-993edc6b95c2
Social Analytics Web Interface es una aplicación web que permite visualizar y gestionar gráficas estadísticas avanzadas sobre contenido de las redes sociales tanto a nivel histórico como en tiempo real. Esto es posible gracias al consumo de servicios webs estándares que ofrecen metadatos sobre analítica social, como es el caso de Social Analytics Process (ver publicación en RUA). Social Analytics Web Interface ofrece a nivel general las siguientes funcionalidades: - Visualización de analítica social a nivel genérico donde se muestran gráficas estadísticas - Visualización de comparativa entre entidades analizadas en relación con el contenido social que ha sido procesado - Analítica tanto para histórico de datos como para datos en tiempo real en las dos funcionalidades previamente mencionadas - Gestión de correos de notificaciones donde se envían analíticas configuradas en formato pdf para períodos de tiempo específicos - Gestión de usuarios basados en identificación abierta con Twitter e Instagram - Gestión de Analíticas. Esta interfaz web entre otras cosas permite un acceso adaptable a los diferentes dispositivos que acceden a ella, permitiendo de esta forma mostrar en todo momento una visualización apropiada para su lectura, comprensión e interacción con las diferentes funcionalidades permitidas.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

GPLSI Wikipedia Characterisation V1.0: Descubrimiento y Vinculación de Entidades a Wikipedia, GPLSI Wikipedia Characterisation V1.0: Entity Discovery and Linking to Wikipedia

  • Tomás, David
  • Gutiérrez, Yoan
  • Moreno, Isabel
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Tomás, David|||/items/cf031fc3-3c30-454b-a6df-3762c29cc296
Resumen de la aplicación: GPLSI Wikipedia Characterisation (Descubrimiento y vinculación de entidades a Wikipedia) constituye una interfaz de programación de aplicaciones (API) que incluye librerías de programación útiles para sistemas de terceros. Esta API ofrece la funcionalidad de analizar contenidos textuales para descubrir menciones de entidades y enlazarlas a Wikipedia mediante el uso de DBpedia, su versión estructurada. Como resultado se obtiene una lista de sugerencias de URIs de DBpedia (cada URI se corresponde con una página de Wikipedia) por cada entidad, ordenadas por el grado de confianza (en el intervalo [0,1]). Este grado de confianza se obtiene considerando dos características claves. La primera se corresponde con el número de enlaces entrantes para cada entidad de Wikipedia (más enlaces implica mayor relevancia). La segunda característica es la similitud entre el contexto (lista de palabras adyacentes a la palabra objetivo) de la entidad objetivo y la descripción de cada entidad de Wikipedia. Para este propósito se ha utilizado un algoritmo de desambiguación basado en el paradigma LESK, combinado con estadísticas sobre los enlaces entrantes a las páginas de Wikipedia. Los resultados que alcanza esta tecnología rondan el 70% de F1.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Web Interface v2.0

  • Gutiérrez, Yoan
  • Fernández Martínez, Javier
  • Martínez-Barco, Patricio
  • Llopis, Fernando
  • Muñoz, Rafael
  • Montoyo, Andres
  • Moreda, Paloma
  • Gómez, José M.
  • Palomar, Manuel
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Moreda, Paloma|||/items/aeb186ed-9034-4fdf-96fc-88941be830e7
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
  • Palomar, Manuel|||/items/71e8f2d8-8d56-4c8e-89df-d6ce2497d967
Social Analytics Web Interface v2.0 es una aplicación web que permite visualizar y gestionar gráficas estadísticas avanzadas sobre contenido de las redes sociales, tanto a nivel histórico como en tiempo real. Esto es posible gracias al consumo de servicios webs estándares que ofrecen metadatos en formato JSON sobre analítica social, como es el caso de Social Analytics Process v2.0 (ver publicación en RUA). Social Analytics Web Interface v2.0 ofrece a nivel general las siguientes funcionalidades: • Visualización de analítica social a nivel genérico donde se muestran gráficas estadísticas. • Visualización de comparativa entre entidades analizadas en relación con el contenido social que ha sido procesado. • Analítica tanto para histórico de datos como para datos en tiempo real en las dos funcionalidades previamente mencionadas. • Analítica de datos en línea temporal de cada aspecto recuperado durante el procesamiento de datos. • Gestión de correos de notificaciones donde se envían analíticas configuradas en formato pdf para períodos de tiempo específicos. • Gestión de usuarios basados en identificación abierta con Twitter e Instagram. • Gestión de analíticas y entidades. • Gestión de informes generados en formato pdf. • Gestión de datos procesados con tecnologías del lenguaje humano en formato CSV para su posterior análisis. • Consulta de metadatos en formato JSON. • Gestión de monitorizaciones de contenido social en diferentes idiomas. En particular inglés, español, francés y catalán. • Servicios Web RESTful que gestionan los datos almacenados en el Social Analytics Database v2.0 (ver publicación en RUA) y sirven de puente para gestionar la información presentada en la interfaz visual. Esta interfaz web, entre otras cosas, ofrece un acceso adaptable a los diferentes dispositivos que acceden a ella, permitiendo de esta forma mostrar en todo momento una visualización apropiada para su lectura, comprensión e interacción con las diferentes funcionalidades permitidas.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

GPLSI Sentiment Analysis V1.0: Análisis de sentimientos en textos, GPLSI Sentiment Analysis V1.0: Sentiment analysis on texts

  • Gutiérrez, Yoan
  • Tomás, David
  • Moreno, Isabel
  • Fernández Martínez, Javier
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Tomás, David|||/items/cf031fc3-3c30-454b-a6df-3762c29cc296
Resumen de la aplicación: GPLSI Sentiment Analysis v1.0 constituye una interfaz de programación de aplicaciones (API) que incluye librerías de programación útiles para sistemas de terceros. El objetivo de esta tecnología es analizar textos y detectar la polaridad de los sentimientos (estados de opinión) expresados en ellos. La funcionalidad para detectar la polaridad de los sentimientos implica dos niveles de granularidad: polaridad a nivel global (PNG) y polaridad a nivel de aspectos (PNA). La PNG del texto se define como el análisis de todo el texto para determinar el estado de opinión (positivo, negativo o neutral). La PNA determina el estado de opinión para un aspecto en particular de una entidad dentro un contexto determinado. Por ejemplo, en un mismo texto (usualmente comentarios de usuarios) podemos encontrar opiniones diferentes y opuestas sobre los actores de una película y su banda sonora. Ambas funcionalidades, PNG y PNA, se basan en clasificadores SVM (Support Vector Machines) que son alimentados con patrones léxicos de skip-grams obtenidos de textos de entrenamiento. En el caso de PNG, estos clasificadores han sido entrenados sobre los conjuntos de datos de la competición Semeval task 2 (10.709 comentarios de usuarios) y Metacritic (5.888 críticas de usuarios sobre películas). Con respecto a PNA, se ha utilizado como conjunto de entrenamiento el corpus de la competición Semeval 2014 - Task 4 - Subtask - 1 - Restaurants. Los resultados para PNG oscilan entre el 62% y el 88% de precisión, dependiendo de la calidad de redacción del texto analizado. Con respecto a PNA, los resultados se encuentran alrededor del 61% de precisión.
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Otros (Other)

FoldRock: a simulation package for rock folding

  • Llorens, Maria-Gema
Contacto: Llorens, Maria-Gema, mgllorens@geo3bcn.csic.es, FoldRock is a package of simulations that model folding processess to unravel the mechanical evolution of large-amplitude folding under pure and simple shear. It allows reproducing the stress and strain evolution. These numerical simulations have been run with the software Elle (http://elle.ws/; Jessell et al., 2001; Piazolo et al., 2019). FoldRock allows observing the geometrical softening of rocks, determining the efficiency of folding under different scenarios, and provides new constraints during fold evolution., Ministerio de Ciencia, Innovación y Universidades, Grant FJCI-2015-24170 Juan de la Cierva, Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Otros (Other)

Rapid evolutionary divergence of a songbird population following recent colonization of an urban area

  • Friis, Guillermo
  • Atwell, Jonathan W.
  • Fudickar, Adam M.
  • Greives, Timothy J.
  • Yeh, Pamela J.
  • Price, Trevor D.
  • Ketterson, Ellen D.
  • Milá, Borja
All methods and protocols are described in detail in the article., Colonization of a novel environment by a small group of individuals can lead to rapid evolutionary change, yet evidence of the relative contributions of neutral and selective factors in promoting divergence during the early stages of colonization remain scarce. Here, we use genome-wide SNP data to test the role of neutral and selective forces in driving the divergence of a unique urban population of the Oregon junco (Junco hyemalis oreganus), which became established on the campus of the University of California at San Diego (UCSD) in the early 1980s. Previous studies based on microsatellite loci documented significant genetic differentiation of the urban population as well as divergence in sexual signaling and life-history traits relative to nearby montane populations. However, the geographic origin of the colonization and the factors involved in the onset of the differentiation process remained uncertain. Our genome-wide SNP dataset confirmed the marked genetic differentiation of the UCSD population, and phylogenomic analysis identified the coastal subspecies pinosus from central California as its sister group instead of the neighboring mountain population. Demographic inference based on site frequency spectra recovered a time of separation from pinosus as recent as 20 to 32 generations, and a strong bottleneck at the time of colonization, suggesting a relevant role of founder effects and drift in the genetic differentiation of the UCSD population. However, we also found significant associations between environmental parameters characterizing the urban habitat of UCSD and genome-wide variants linked to functional genes. Some of the identified gene functions, like heavy metal detoxification and high-pitched hearing, have been reported as potentially adaptive in birds inhabiting urban environments. These results suggest that the interplay between founder events and directional selection may result in rapid shifts in both neutral and adaptive loci across the genome, and reveal the UCSD population of juncos as an ongoing case of divergence following the colonization of an anthropic environment., Funding provided by: Ministerio de Ciencia e Innovación, Crossref Funder Registry ID: http://dx.doi.org/10.13039/501100004837, Award Number: CGL-2011-25866. Funding provided by: Ministerio de Ciencia e Innovación, Crossref Funder Registry ID: http://dx.doi.org/10.13039/501100004837, Award Number: CGL-2015-66381. Funding provided by: National Science Foundation, Crossref Funder Registry ID: http://dx.doi.org/10.13039/100000001, Award Number: IOS-1257527., Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Otros (Other)

Plant community data for European ecoregions

  • Capitán, José A.
  • Cuenda, Sara
  • Ordóñez, Alejandro
  • Alonso, David
Patterns in macroecology are related to species occurrence across meaningful spatial and temporal scales. The dataset provided here reports species distribution data (presence-absence) for herbaceous plants across a number of European habitats (ecoregions). Species occurrence is accompanied by the corresponding plant's maximun stem height values. This dataset has been used to unveil patterns of herbaceous plant height clustering in mid-latitude European ecoregions. Presence-absence data for herbaceous plants were drawn from Atlas Florae Europaeae (Jalas & Suominen, 1964-1999). Associated to each species, a dominant habitat (ecoregion) was assigned according to the WWF Biomes of the World classification. Each herbaceous species in an ecoregion was characterized by its maximum stem height. Mean height values were obtained for different sources. In order to correlate clustering patterns with productivity measures, actual evapotranspiration (AET) data is also provided. AET maps were obtained from data estimated through remote sensing (Mu et al., 2011), which are publicly available in the MODIS project website (http://www.ntsg.umt.edu/project/modis/mod17.php). Plant distribution and trait data across Europe unveils a relation between plant height clustering and actual evapotranspiration. This clustering is most evident in mid-latitude ecoregions, where conditions for growth (reflected in actual evapotranspiration rates) are optimal. Away from this optimum, climate severity leads to non-significant height clustering in actual communities., Funding provided by: Ministerio de Economia y Competitividad, Award Number: CGL2012-39964. Funding provided by: Ministerio de Economia y Competitividad, Award Number: CGL2015-69043-P. Funding provided by: Ministerio de Ciencia, Innovación y Universidades, Award Number: PGC2018-096577-B-I00. Funding provided by: Banco Santander, Award Number: PR87/19-22582. Funding provided by: Ministerio de Economia y Competitividad, Award Number: CGL2012-39964., Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Otros (Other)

Problems seeded in the past: lagged effects of historical land-use changes can cause an extinction debt in long-lived species due to movement limitation [Software]

  • Jiménez-Franco, María V.
  • Graciá, Eva
  • Rodríguez-Caro, Roberto C.
  • Anadón, José D.
  • Wiegand, Thorsten
  • Botella, Francisco
  • Giménez Casalduero, Andrés
This zip file contains the code of the individual-based model STEPLAND, its parameterisation and the main results shown in the paper “Problems seeded in the past: lagged effects of historical land-use changes can cause an extinction debt in long-lived species due to movement limitation” (published by Landscape Ecology), Spanish Ministry of Science through Projects PID2019‐105682RA‐I00/AEI/10.13039/5011 00011033 and CGL2015‐64144 (the latter supported by the European Regional Development Fund, MINECO/FEDER, UE)., Biodiversity Foundation and the OECC of the Ministry for Ecological Transition and the Demographic Challenge of the Government of Spain (Project CORREDOR, call 2020 for the Evaluation of Spanish Terrestrial Biodiversity)., M.V.J.F. was supported by the Regional Valencian Government and the European Social Fund with a postdoctoral grant (APOSTD/2018/043)., M.V.J.F. was supported by a postdoctoral grant “Juan de la Cierva-Incorporación” research contract from the Spanish Ministry of Economy and Competitiveness (Reference IJC2019-039145-I)., R.C.R.C. was supported by the Regional Valencian Government and the European Social Fund with a postdoctoral grant (APOST/2020/090)., J.D.A. was supported by a Ramón y Cajal contract (RYC-2017-22783) co-funded by the Spanish Ministry of Science, the Agencia Estatal de Investigación and the European Social Fund., Peer reviewed