A UNIFIED MODEL OF AVIAN SPECIES RICHNESS ON ISLANDS AND CONTINENTS
Notice bibliographique
Résumé
How many species in a given taxon should be found in a delimited area in a specified place in the world? Some recent literature suggests that the answer to this question depends strongly on the geographical, evolutionary, and ecological context. For example, current theory suggests that species accumulate as a function of area differently on continents and islands. Species richness-climate relationships have been examined separately on continents and on islands. This study tests the hypotheses that (1) the functional relationship between richness and climate is the same on continents and islands; (2) the species-area slope depends on distance-based isolation; (3) species-area relationships differ among land bridge islands, oceanic islands, and continents; (4) richness differs among biogeographic regions independently of climate and isolation. We related bird species numbers in a worldwide sample of 240 continental parcels and 346 islands to several environmental variables. We found that breeding bird richness varies similarly on islands and on continents as a function of mean annual temperature, an area x precipitation interaction, and the distance separating insular samples from the nearest continent (R2 = 0.86). Most studies to date have postulated that the slope of the species-area relationship depends upon isolation. In contrast, we found no such interaction. A richness-environment relationship derived using Old World sites accurately predicts patterns of richness in the New World and vice versa (R2 = 0.85). Our results suggest that most of the global variation in richness is not strongly context-specific; rather, it reflects a small number of general environmental constraints operating on both continents and islands.
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 ».