Spatial patterns of population regulation in sage grouse (<i>Centrocercus</i>spp.) population viability analysis
Notice bibliographique
Résumé
Summary Population viability analyses (PVAs) are commonly used to identify species of concern. Many PVA techniques assume that all populations are regulated by a single mechanism. We compared population viability predictions for three subspecies of sage grouse (Centrocercusspp.) based on the assumptions that: (i) population regulation was density‐independent vs. dependent on more complex feedback mechanisms; (ii) the mechanism of population regulation was homogeneous within a region vs. heterogeneous among leks; (iii) environmental variation was spatially correlated within regions vs. uncorrelated among leks. We used sage grouse as a model species for this analysis because counts of lekking male grouse are available in some areas since the 1950s, these counts are known to fluctuate widely, and sage grouse appear to be declining throughout their range. We fit population regulation models to data including density‐independence, density‐dependence, delayed density‐dependence and a simplified version of Turchin & Taylor's (1992) response surface model. We show that the best‐fit models typically include spatial heterogeneity in mechanisms of population regulation. Inclusion of spatial heterogeneity increased expected time for population persistence, and changed the rank order of risk of extinction for different regions. We suggest that it is important to consider multiple models of population regulation when applying population viability analysis techniques because viability projections are influenced strongly by model structure.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».