Carrying capacity for species richness as a context for conservation: a case study of North American breeding birds
Notice bibliographique
Résumé
Aim To demonstrate that the concept of carrying capacity for species richness (SK) is highly relevant to the conservation of biodiversity, and to estimate the spatial pattern of SK for native landbirds as a basis for conservation planning. Location North America. Methods We evaluated the leading hypotheses on biophysical factors affecting species richness for Breeding Bird Survey routes from areas with little influence of human activities. We then derived a best model based on information theory, and used this model to extrapolate SK across North America based on the biophysical predictor variables. The predictor variables included the latest and probably most accurate satellite and simulation-model derived products. Results The best model of SK included mean annual and inter-annual variation in gross primary productivity and potential evapotranspiration. This model explained 70% of the variation in landbird species richness. Geographically, predicted SK was lowest at higher latitudes and in the arid west, intermediate in the Rocky Mountains and highest in the eastern USA and the Great Lakes region of the USA and Canada. Main conclusions Areas that are high in SK but low in human density are high priorities for protection, and areas high in SK and high in human density are high priorities for restoration. Human density was positively related to SK, indicating that humans select environments similar to those with high bird species richness. Federal lands were disproportionately located in areas of low predicted SK.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».