MétaCan
Menu
Retour à la cohorte
Enregistrement W2344603877 · doi:10.1111/ele.12604

A synthesis of transplant experiments and ecological niche models suggests that range limits are often niche limits

2016· review· en· W2344603877 sur OpenAlexaff
Julie A. Lee‐Yaw, Heather M. Kharouba, Megan Bontrager, Colin Mahony, Anna Mária Csergő, Annika M. E. Noreen, Qin Li, Richard Schuster, Amy L. Angert

Notice bibliographique

RevueEcology Letters · 2016
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésNicheEcological nicheBiological dispersalEnvironmental niche modellingRange (aeronautics)EcologyNiche segregationHabitatSpecies distributionBiologyPopulation

Résumé

récupéré en direct d'OpenAlex

Global change has made it important to understand the factors that shape species' distributions. Central to this area of research is the question of whether species' range limits primarily reflect the distribution of suitable habitat (i.e. niche limits) or arise as a result of dispersal limitation. Over-the-edge transplant experiments and ecological niche models are commonly used to address this question, yet few studies have taken advantage of a combined approach for inferring the causes of range limits. Here, we synthesise results from existing transplant experiments with new information on the predicted suitability of sites based on niche models. We found that individual performance and habitat suitability independently decline beyond range limits across multiple species. Furthermore, inferences from transplant experiments and niche models were generally concordant within species, with 31 out of 40 cases fully supporting the hypothesis that range limits are niche limits. These results suggest that range limits are often niche limits and that the factors constraining species' ranges operate at scales detectable by both transplant experiments and niche models. In light of these findings, we outline an integrative framework for addressing the causes of range limits in individual 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,290
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations245
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207