Categorizing species by niche characteristics can clarify conservation planning in rapidly‐developing landscapes
Notice bibliographique
Résumé
Abstract In biodiversity‐rich landscapes that are developing rapidly, it is generally impossible to delineate land use and prioritize conservation actions in relation to the full variability of species and their responses to anthropogenic activity. Consequently, conservation policy often focuses on protecting habitat used by a few flagship, indicator or umbrella species like tigers Panthera tigris and Asian elephants Elephas maximus , which potentially leaves out species that do not share these habitat preferences. We demonstrate an empirical approach that clustered 14 mammals into surrogate groups that reflect their unique conservation needs. We surveyed a 787 km 2 multiple‐use area in the Shencottah Gap of the Western Ghats, India, using foot surveys and camera‐trap surveys. Using ecological niche factor analysis, we generated indices of species prevalence (marginality and tolerance) and habitat preferences (factor correlations to marginality axis). We then clustered species by both of the above index types to reveal four clusters based on prevalence and four clusters based on habitat preference. Most clusters contained at least one threatened species. Low‐prevalence lion‐tailed macaques Macaca silenus and tigers were strongly associated with closed forests and low human disturbance. But elephants, sloth bears Melursus ursinus and gaur Bos gaurus were more tolerant of anthropogenic impact, and sloth bears and gaur preferred open forests and grasslands. Dhole Cuon alpinus and sambar Rusa unicolor were associated with highly anthropogenic habitat (farmland, cash crop and forestry plantations) with high human use. Thus, reliance on flagship species for conservation planning can both underestimate and overestimate the ability of other species to persist in multiple‐use landscapes; protecting flagship species would only protect species with similar habitat preferences. For species that avoid human impacts more than the flagship species, core habitat must be protected from human disturbance. For more tolerant species, conservation in anthropogenic habitat may hinge on policies that bolster coexistence with humans.
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 | 0,001 |
| 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 ».