Can models of presence‐absence be used to scale abundance? Two case studies considering extremes in life history
Notice bibliographique
Résumé
Understanding patterns of species occurrence and abundance is a central theme of ecology, natural resource management, and conservation. Although occurrence models have been widely used for describing species distribution, particularly for rare species, abundance models are less common, despite greater information for conservation and management. Because presence‐absence data are easier and less expensive to collect, predictions of abundance from patterns of occurrence could prove useful. We examined the relationship between occurrence and abundance for two species with very different life histories: bracken fern Pteridium aquilinum and moose Alces alces . We predicted that if occurrence and abundance were functionally related we should observe: 1) correlation between predicted probability of occurrence and observed abundance; 2) similar environmental covariates and estimated coefficients for occurrence models developed separately for low‐density, high‐density, and global data sites; and 3) parallel coefficients for the occurrence and abundance components of zero‐inflated count models. Probability of occurrence was not correlated with abundance‐when‐present for bracken fern, while evidence for a relationship for moose was apparent at densities of animals below 7 individuals per cutblock. Coefficients for models at different levels of density did not vary significantly. However, once occurrence was accounted for, measured environmental data appeared less important in describing abundance. For bracken, covariates of zero‐inflated count models differed in their expression of occurrence and abundance. Differences were less extreme for moose; however, results from the two‐process models suggest that distribution and abundance may be a function of different processes. Environmental factors influencing abundance may differ from those limiting distribution. Life history, scale, site history, and socio‐competitive processes further help shape patterns of abundance. Two‐stage modeling provides a powerful tool for describing animal and plant distribution where the processes of occurrence and abundance are influenced by different factors.
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 | 0,011 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,008 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».