A global, remote sensing‐based characterization of terrestrial habitat heterogeneity for biodiversity and ecosystem modelling
Pourquoi ce travail est-il dans la base ?
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.
Scores machine (provisoires)
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
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.
- Écart entre enseignants
- 0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
- Statut de validation
score_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
Résumé
Abstract Aim Habitat heterogeneity has long been recognized as a key landscape characteristic determining biodiversity patterns. However, a lack of standardized, large‐scale, high‐resolution and temporally updatable heterogeneity information based on direct observations has limited our understanding of this connection and its effective use for biodiversity conservation. To address this, we develop here remote sensing‐based metrics to characterize global habitat heterogeneity at 1‐km resolution and assess their value for biodiversity modelling. Location Global. Methods We develop 14 heterogeneity metrics (available at http://www.earthenv.org ) based on the textural features of the enhanced vegetation index ( EVI ) imagery from the Moderate Resolution Imaging Spectroradiometer ( MODIS ), and closely examine a complementary core set of six of these metrics. We evaluate their ability to provide fine‐grain habitat heterogeneity by comparing the heterogeneity information captured by them with that measured by 30‐m Landsat‐based land‐cover data. Using spatial autoregressive models, we then compare their utility with that of more conventional metrics (derived from topography or categorical land‐cover data) for modelling the species richness of bird communities across the conterminous U nited S tates based on B reeding B ird S urvey data. Results The newly derived metrics capture different aspects of habitat heterogeneity and provide fine‐grain information for locations deemed homogeneous by traditional land‐cover classifications at both continental and global extents. Most of them strongly exceed conventional heterogeneity variables in capturing the spatial variation in bird species richness, with H omogeneity emerging as the strongest predictor. Main conclusions This study develops and validates the performance of readily usable metrics of textural measures capturing fine‐grain habitat heterogeneity. The presented metrics outperform conventional measures in capturing detailed spatial variation in habitats and in predicting key biodiversity patterns. They provide a rigorous and comparable basis for understanding heterogeneity–diversity relationships, and offer a powerful tool for monitoring and understanding the responses of biodiversity and ecosystems to the changing environment.
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.
La notice
- Revue
- Global Ecology and Biogeography
- Thématique
- Land Use and Ecosystem Services
- Domaine
- Environmental Science
- Établissements canadiens
- —
- Organismes subventionnaires
- Division of Biological InfrastructureNational Center For Environmental AssessmentMcGill UniversityNational Aeronautics and Space Administration
- Mots-clés
- Spatial heterogeneitySpecies richnessBiodiversityLand coverHabitatGeographyVegetation (pathology)Moderate-resolution imaging spectroradiometerEcologyRemote sensingEnvironmental sciencePhysical geographyLand useBiologySatellite
- Résumé présent dans OpenAlex
- oui