Refugia and dispersal promote population persistence under variable arid conditions: a spatio‐temporal simulation model
Notice bibliographique
Résumé
In arid environments, population dynamics of many organisms follow resource pulses in time and space. This heterogeneity in resource accessibility is due to irregular and local rainfalls. In drought periods, the population density of small mammals such as rodents falls so that animals seem absent across the landscape. How can they avoid extinction and persist in time and space at low densities during droughts? We hypothesize that a fraction of the population may survive in refugia—less arid patches—and recolonize the landscape after drought‐breaking rains. When precipitation and resources abound again, rodents become abundant and disperse over large areas. Our spatio‐temporal simulation tests the hypotheses that refugia and dispersal promote population persistence over large temporal and spatial scales. We programmed a virtual desert (100 × 100 matrix) in which a virtual population changes over the course of 100 time steps representing 100 years. In our simulations, when rainfall is scarce, refugia and dispersal are insufficient to produce population persistence, and when rainfall is heavy or widespread, these factors are not necessary. At moderate rainfall frequency, refugia and dispersal are essential for persistence, and long‐distance dispersers need fewer refugia than short‐distance ones. With cyclic rainfall patterns mimicking La Niña's influence on desert precipitation, long drought periods and short wet periods, persistence requires both abundant refugia and long distance dispersal.
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) | 0,001 | 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 ».