Can the richness–climate relationship be explained by systematic variations in how individual species’ ranges relate to climate?
Notice bibliographique
Résumé
Abstract Aim At large spatial extents, the species richness of high‐level taxa is generally strongly positively correlated with temperature and precipitation, and consistently so across space and time. Here, we test whether this richness–climate relationship is driven by systematic associations between climate and characteristics of the geographical ranges of individual species. Specifically, we test the hypotheses that spatial variations in richness are driven by variations in species mean range size, climatic niche‐breadth, climatic range filling, frequency distribution of climatic niche position and/or frequency distribution of extant climatic conditions. Location The Americas. Methods We tested hypothetical effects of climatically constrained ranges on species richness using the breeding ranges of 3277 birds and 1659 mammals. We tallied species richness in 104‐km2 quadrats in the Americas as well as summary statistics describing the geographical ranges and climatic niches of the species occurring in each quadrat. We then used regression models to relate species richness to those characteristics. Results We found that species mean range size, climatic niche‐breadth and range filling were generally, but inconsistently, negatively related to species richness. As predicted, species richness per quadrat increased with the number of species having their climatic niches centred in the climatic conditions of the quadrats and with the geographical extent of those conditions, although these relationships were relatively weak. Main conclusion The richness–climate relationship appears to be largely decoupled from systematic variations in the characteristics of species climatic niches. Species generally have larger geographical ranges, wider climatic niches and higher range filling in species‐poor areas, each of which, all else being equal, should generate a richness–climate relationship the inverse of what we generally observe in nature. More species have their ranges centred on warm, wet and common climatic conditions. However, temperature and precipitation variables themselves explain more of the variance in species richness than the measured characteristics of species climatic niches.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».