Biotic modifiers, environmental modulation and species distribution models
Notice bibliographique
Résumé
Abstract The ability of species to modulate environmental conditions and resources has long been of interest. In the past three decades the impacts of these biotic modifiers have been investigated as ‘ecosystem engineers’, ‘niche constructors’, ‘facilitators’ and ‘keystone species’. This environmental modulation can vary spatially from extremely local to global, temporally from days to geological time, and taxonomically from a few to a very large number of species. Modulation impacts are pervasive and affect, inter alia , the climate, structural environments, disturbance rates, soils and the atmospheric chemical composition. Biotic modifiers may profoundly transform the projected environmental conditions, and consequently have a significant impact on the predicted occurrence of the focal species in species distribution models (SDMs). This applies especially when these models are projected into different geographical regions or into the future or the past, where these biotic modifiers may be absent, or other biotic modifiers may be present. We show that environmental modulation can be represented in SDMs as additional variables. In some instances it is possible to use the species (e.g. biotic modifiers) in order to reflect the modulation. This would apply particularly to cases where the effect is the result of a single or a small number of species (e.g. elephants transforming woodland to grassland). Where numerous species generate an effect (such as tree species making a forest, or grasses facilitating fire) that modulates the abiotic environment, the effect itself might be a better descriptor for the aggregated action of the numerous species. We refer to this ‘effect’ as the modulator. Much of the information required to incorporate environmental modulation effects in SDMs is already available from remote‐sensing data and vegetation models.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».