Multifaceted biodiversity hotspots of marine mammals for conservation priorities
Notice bibliographique
Résumé
Abstract Aim Identifying the multifaceted biodiversity hotspots for marine mammals and their spatial overlap with human threats at the global scale. Location World‐wide. Methods We compiled a functional trait database for 121 species of marine mammals characterized by 14 functional traits grouped into five categories. We estimated marine mammal species richness (SR) as well as functional (FD) and phylogenetic diversity (PD) per grid cell (1° × 1°) using the FRic index (a measure of trait diversity as the volume of functional space occupied by the species present in an assemblage) and the PD index (the amount of evolutionary history represented by a set of species), respectively. Finally, we assessed the spatial congruence of these three facets of biodiversity hotspots (defined as 2.5% and 5% of the highest values of SR, FD and PD) with human threats at the global scale. Results We showed that the FRic index was weakly correlated with both SR and the PD index. Specifically, SR and FRic displayed a triangular relationship, that is, increasing variability in FRic along the species richness gradient. We also observed a striking lack of spatial congruence (<0.1%) between current human threats and the distribution of the multiple facets of biodiversity hotspots. Main Conclusions We highlighted that functional diversity calculated using the FRic index is weakly associated with the species richness of marine mammals world‐wide. This is one of the most endangered vertebrate groups playing a key ecological role in marine ecosystems. This finding calls for caution when using only species richness as a benchmark for defining marine mammal biodiversity hotspots. The very low level of spatial congruence between hotspots of current threats and those of the multiple facets of marine mammal biodiversity suggests that current biodiversity patterns for this group have already been greatly affected by their history of exploitation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».