Matrix quality and disturbance frequency drive evolution of species behavior at habitat boundaries
Notice bibliographique
Résumé
Previous theoretical studies suggest that a species' landscape should influence the evolution of its dispersal characteristics, because landscape structure affects the costs and benefits of dispersal. However, these studies have not considered the evolution of boundary crossing, that is, the tendency of animals to cross from habitat to nonhabitat ("matrix"). It is important to understand this dispersal behavior, because of its effects on the probability of population persistence. Boundary-crossing behavior drives the rate of interaction with matrix, and thus, it influences the rate of movement among populations and the risk of dispersal mortality. We used an individual-based, spatially explicit model to simulate the evolution of boundary crossing in response to landscape structure. Our simulations predict higher evolved probabilities of boundary crossing in landscapes with more habitat, less fragmented habitat, higher-quality matrix, and more frequent disturbances (i.e., fewer generations between local population extinction events). Unexpectedly, our simulations also suggest that matrix quality and disturbance frequency have much stronger effects on the evolution of boundary crossing than either habitat amount or habitat fragmentation. Our results suggest that boundary-crossing responses are most affected by the costs of dispersal through matrix and the benefits of escaping local extinction events. Evolution of optimal behavior at habitat boundaries in response to the landscape may have implications for species in human-altered landscapes, because this behavior may become suboptimal if the landscape changes faster than the species' evolutionary response to that change. Understanding how matrix quality and habitat disturbance drive evolution of behavior at boundaries, and how this in turn influences the extinction risk of species in human-altered landscapes should help us identify species of conservation concern and target them for management.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».