Modelling the partially unknown distribution of wall lizards (Podarcis) in North Africa: ecological affinities, potential areas of occurrence, and methodological constraints
Notice bibliographique
Résumé
Species distribution modelling (SDM) is a powerful tool to investigate various biological questions with a spatial component, but is also sensitive to presence-data characteristics, particularly data precision and clustering. Here, we investigate the effect of these two factors on SDM using Maxent as the modelling technique and wall lizards (genus Podarcis Wagler, 1830) from North Africa as a model system. Podarcis are not ubiquitous in Africa as they are in Europe, but their ecological and distributional characteristics in this area are poorly known. Our results show that the most important environmental factors related to the distribution of this genus in North Africa are humidity, habitat type, and temperature. The areas of potential distribution predicted by models based on data sets with different precision and clustering characteristics show high relatedness to coastal areas and mountain ranges and extend to areas were presence records for these lizards are lacking. Our comparison of models based on different data sets indicates that finer scale models, even if based on fewer presence locations, outperform coarser scale ones. Data clustering does not have a negative effect on model performance, but is rather overcome by sample-size effects. Similar approaches may be of general application to other stenoic species for which available locations are scarce in comparison with the extension of the study area.
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 | 0,001 | 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 | 0,002 |
| 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) | 0,005 | 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 ».