MétaCan
Menu
Retour à la cohorte
Enregistrement W2550513333 · doi:10.1111/ecog.02557

Methods and models for identifying thresholds of habitat loss

2016· article· en· W2550513333 sur OpenAlexafffund
Deyi Yin, Shawn Leroux, Fangliang He

Notice bibliographique

RevueEcography · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of AlbertaMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHabitatEcologyPerturbation (astronomy)BiodiversityOccupancyHabitat destructionPopulationSpecies distributionBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

There is mounting evidence that many taxa respond in non‐linear ways to perturbation (i.e. deviations from a natural trajectory brought on by an external agent), and many statistical, physical and ecological methods have been developed to detect the critical points or thresholds of perturbation. The majority of these methods define thresholds as the perturbation points causing abrupt ecological response, but in reality most species or ecosystems do not show a break point response but more gradual transitional change to perturbation. We develop a new method which delineates thresholds as a region in which the slope of the relationship between ecological response ( y ) and perturbation ( x ; e.g. habitat loss) is larger than 1: | dy / dx |≥ 1, where both x ‐ and y ‐axes are scaled to (0, 1) range. The lower end of threshold zones so defined is of particular ecological interest because it is the smallest x that may trigger impending catastrophic response to a small change in x . We derived two landscape models (edge length and the number of patches of species distribution) and two biodiversity models (endemics–area relationship and half‐population curve) to test this method. We applied our zonal thresholding method to these four models fit to empirical data of two forest plots to detect thresholds of species distribution to habitat loss. The two landscape metric models predict that no species could tolerate more than 40% of habitat loss and these thresholds can be much lower for relatively rare species with occupancy < 0.4 and for aggregated habitat loss compared to random habitat loss. The half‐population model leads to a similar threshold level of 40% habitat loss. Overall, we suggest the maximum permissible habitat loss threshold to be between 0–40%, depending on the pre‐disturbed occupancy (or abundance) of a species. This habitat loss threshold falls within the otherwise wide range of thresholds calculated from conventional methods. Our study contributes novel methods and models to quantify the effect of habitat loss on species distribution and diversity in landscapes with potential for conservation applications.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil0,146

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,325
Écart entre enseignants0,294 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations34
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcographyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207