Species distribution models predict rare species occurrences despite significant effects of landscape context
Notice bibliographique
Résumé
Summary The true status of many endangered plants is uncertain because the locations of all extant populations are not known. Species distribution models ( SDM s) can direct searches for additional populations, but habitat fragmentation may influence the distribution of rare species more than climatic or edaphic factors in human‐dominated landscapes. In this study, I test the ability of SDM s to predict rare plant occurrences in a fragmented landscape and the importance of predicted habitat suitability versus landscape context. I built SDM s for eight rare woodland plants and assessed them using an independent data set including plant community surveys of 51 sites. I used community data to determine whether SDM s predict the right habitat type even when the target rare species was absent. I then modelled rare species presence based on predicted habitat suitability, distance to the nearest known population and the amount of forest habitat within 500 m of the site. SDM s were effective for seven of the eight species, with the degree of predicted habitat suitability positively related to species' occurrence. I found new populations of four of the eight species. However, the amount of forest habitat available in the vicinity of a plot was also a positive predictor of rare plant occurrences. Among sites predicted to be suitable, the distance to the nearest known population was the strongest predictor of rare plant occurrence. Synthesis and applications . Species distribution models ( SDM s) can effectively target searches for populations of rare species even in human‐dominated landscapes. Surveying the plant community at sites predicted to be suitable can help to improve the SDM . SDM s used in conjunction with data on landscape context can maximize the efficiency of searches for rare species and show which species are restricted by dispersal limitation and habitat fragmentation in addition to edaphic and climatic factors.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».