Modeling species' realized climatic niche space and predicting their response to global warming for several western forest species with small geographic distributions.
Notice bibliographique
Résumé
The Random Forests multiple regression tree was used to develop an empirically based bioclimatic model of the presence-absence of species occupying small geographic distributions in western North America. The species assessed were subalpine larch (Larix lyallii), smooth Arizona cypress (Cupressus arizonica ssp. glabra), Paiute cypress (syn. Piute cypress) (Cupressus arizonica ssp. nevadensis), and Macfarlane’s four-o’clock (Mirabilis macfarlanei). Independent variables included 33 simple expressions of temperature and precipitation and their interactions. These climate variables were derived from a spline climate model for the Western United States that provides point estimates (latitude, longitude, and altitude). Analyses used presence-absence data largely from the Forest Inventory and Analysis, USDA Forest Service database. Overall errors of classification ranged from 1.39 percent for Macfarlane’s four-o’clock to 3.55 percent for smooth Arizona cypress. The mapped predictions of species occurrence using the estimated realized climatic niche space were more accurate than published range maps. The Hadley and Canadian general circulation models (scenario IS92a for 1 percent increase GGa/year) were then used to illustrate the potential response of the species’ contemporary realized climatic niche space to climate change. Predictions were mapped at a 1-km2 resolution. Concurrence between species’ geographic distribution and their contemporary realized climatic niche rapidly disassociates through the century. These models demonstrate the heightened risk for species occupying small geographic ranges of displacement into climatic disequilibrium from rapid climate change and provide tools to assist decisionmakers in mitigating the threat.
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 | 0,001 |
| 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 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 ».