Seasonality drives global‐scale diversity patterns in waterfowl (<scp>A</scp>nseriformes) via temporal niche exploitation
Notice bibliographique
Résumé
Abstract Aim Birds (class A ves) overall follow the expected latitudinal gradient in species richness. However, there is a poorly understood secondary peak in bird richness at about 45° N latitude, at least in N orth A merica. Waterfowl ( A nseriformes) species richness conforms to this secondary peak, yet this group is commonly excluded from bird species richness studies and consequently the drivers of waterfowl richness are poorly understood. Here, we explore the drivers of waterfowl richness on a global scale, emphasizing the secondary peak. Location Global. Methods We mapped total waterfowl species richness for the breeding and non‐breeding seasons. Considering a wide range of potential environmental drivers (climate, productivity and habitat), we initially ran univariate ordinary least squares models for the candidate set of predictors. We then used regression trees ( RT ) to multivariately assess their importance for the richness pattern while allowing for nonlinear and non‐stationary processes. Results We found seasonal variability in plant productivity (measured by the normalized difference vegetation index, NDVI ) to be the most important predictor of breeding season richness in both univariate regressions and multivariate RT models. For the non‐breeding season, winter actual evapotranspiration ( AET ) was the best predictor. In the regions of highest richness, including the secondary mid‐latitude peak, an overwhelming portion of the species were migratory species. Main conclusions Predictors commonly used to explain the large‐scale richness patterns of birds, such as annual AET or annual NDVI explained little of the variation in richness in A nseriformes. Instead, measures reflecting intra‐annual variability and seasonal productivity in the relevant season were the best predictors. This finding, combined with the high proportion of migrants in the richness peaks, strongly suggests that the patterns of richness in A nseriformes reflect the group's exploitation of seasonal environmental variability via short‐ and long‐distance migration, i.e. temporal niche exploitation at an annual and global scale.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».