Notice bibliographique
Résumé
Summary I synthesize the understanding of the relationship between landscape structure and animal movement in human‐modified landscapes. The variety of landscape structures is first classified into four categories: continuous habitat, patchy habitat with high‐quality matrix, patchy habitat with low‐quality matrix, and patchy, ephemeral habitat. Using this simplification I group the range of evolved movement parameters into four categories or movement types. I then discuss how these movement types interact with current human‐caused landscape changes, and how this often results in non‐optimal movement. From this synthesis I develop a hypothesis that predicts the relative importance of the different population‐level consequences of these non‐optimal movements, for the four movement types. Populations of species that have inhabited landscapes with high habitat cover or patchy landscapes with low‐risk matrix should have evolved low boundary responses and moderate to high movement probabilities. These species are predicted to be highly susceptible to increased movement mortality resulting from habitat loss and reduced matrix quality. In contrast, populations of species that evolved in patchy landscapes with high‐risk matrix or dynamic patchy landscapes are predicted to be highly susceptible to decreased immigration and colonization success, due to the increasing patch isolation that results from habitat loss. Finally, I discuss three implications of this synthesis: (i) ‘least cost path’ analysis should not be used for land management decisions without data on actual movement paths and movement risks in the landscape; (ii) ‘dispersal ability’ is not simply an attribute of a species, but varies strongly with landscape structure such that the relative rankings of species’ dispersal abilities can change following landscape alteration; and (iii) the assumption that more mobile species are more resilient to human‐caused landscape change is not generally true, but depends on the structure of the landscape where the species evolved.
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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».