Diversity and suitability of existing methods and metrics for quantifying species range shifts
Notice bibliographique
Résumé
Abstract Aim The quantification of species range shifts is critical for developing effective plans to conserve biodiversity. There are numerous methods and metrics for quantifying species range shifts, but we currently lack a comprehensive review of existing approaches used in species range shift studies. Location Global. Time period 2013 – 2014. Major taxa studied All taxa. Methods We conducted a quantitative literature review to first identify the methods currently used for defining a species' range over a particular time and then to identify metrics used for measuring changes in species ranges over time. We provide a roadmap for the selection of methods and metrics for measuring species ranges and species range shifts by discussing opportunities, assumptions and constraints of the different approaches. Results Our literature review revealed six main methods for defining species ranges: observational studies, grid‐based mapping, convex hull, kriging, species distribution modelling and hybrid methods. These methods are used with three main metric classes to measure species range shifts: changes in range limit, size and the probability of species occurrences or suitability. Most methods for defining species ranges and subsequent range shifts can be applied to different spatial extents and resolutions and taxa. However, only species distribution models (SDMs) and hybrid methods allow for the exploration of the relationship between species occurrence and environmental variables, and only these methods can be used for forecasting species ranges into future environments. Likewise, the inclusion of ecological processes in range shift calculations requires researchers to use hybrid methods or mechanistic models. Main conclusions Our review revealed a high diversity of methods and metrics used to quantify species range shifts. As these methods and metrics underlie many of the conservation strategies proposed for climate change mitigation (e.g., protection of refugia), we urge the conservation community to evaluate underlying approaches for defining species ranges and measuring species range shifts with an equal level of scrutiny as the conservation strategies that these methods and metrics enable.
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 | 0,001 | 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».