Using Remotely-Sensed Land Cover and Distribution Modeling to Estimate Tree Species Migration in the Pacific Northwest Region of North America
Notice bibliographique
Résumé
Understanding future tree species migration is challenging due to the unprecedented rate of climate change combined with the presence of human barriers that may limit or impede species movement. Projected changes in climatic conditions outpace migration rates, and more realistic rates of range expansion are needed to make sound environmental policies. In this paper, we develop a modeling approach that takes into account both the geographic changes in the area suitable for the growth and reproduction of tree species, as well as limits imposed geographically on their potential migration using remotely-sensed land cover information. To do so, we combined a physiologically-based decision tree model with a remotely-sensed-derived diffusion-dispersal model to identify the most likely direction of future migration for 15 native tree species in the Pacific Northwest Region of North America, as well as the degree that landscape fragmentation might limit movement. Although projected changes in climate through to 2080 are likely to create favorable environments for range expansion of the 15 tree species by 65% on average, by limiting the potential movement by previously published migration rates and landscape fragmentation, range expansion will likely be 50%–90% of the potential. The hybrid modeling approach using distribution modeling and remotely-sensed data fills a gap between naïve and more complex approaches to take into account major impediments on the potential migration of native tree species.
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 ».