Black-swan events in animal populations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Black swans are improbable events that nonetheless occur-often with profound consequences. Such events drive important transitions in social systems (e.g., banking collapses) and physical systems (e.g., earthquakes), and yet it remains unclear the extent to which ecological population numbers buffer or suffer from such extremes. Here, we estimate the prevalence and direction of black-swan events (heavy-tailed process noise) in 609 animal populations after accounting for population dynamics (productivity, density dependence, and typical stochasticity). We find strong evidence for black-swan events in [Formula: see text]4% of populations. These events occur most frequently for birds (7%), mammals (5%), and insects (3%) and are not explained by any life-history covariates but tend to be driven by external perturbations such as climate, severe winters, predators, parasites, or the combined effect of multiple factors. Black-swan events manifest primarily as population die-offs and crashes (86%) rather than unexpected increases, and ignoring heavy-tailed process noise leads to an underestimate in the magnitude of population crashes. We suggest modelers consider heavy-tailed, downward-skewed probability distributions, such as the skewed Student [Formula: see text] used here, when making forecasts of population abundance. Our results demonstrate the importance of both modeling heavy-tailed downward events in populations, and developing conservation strategies that are robust to ecological surprises.
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.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle