Models for assessing local‐scale co‐abundance of animal species while accounting for differential detectability and varied responses to the environment
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
Abstract We developed a new modeling framework to assess how the local abundance of one species influences the local abundance of a potential competitor while explicitly accounting for differential responses to environmental conditions. Our models also incorporate imperfect detection as well as abundance estimation error for both species. As a case study, we applied the model to four pairs of mammal species in Borneo, surveyed by extensive and spatially widespread camera trapping. We detected different responses to elevation gradients within civet, macaque, and muntjac deer species pairs. Muntjac and porcupine species varied in their response to terrain ruggedness, and the two muntjac responded different to river proximity. Bornean endemic species of civet and muntjac were more sensitive than their widespread counterparts to habitat disturbance (selective logging). Local abundance within several species pairs was positively correlated, but this is likely due to the species having similar responses to (unmodeled) environmental conditions or resources rather than representing facilitation. After accounting for environment and correcting for false absences in detection, negative correlations in local abundance appear rare in tropical mammals. Direct competition may be weak in these species, possibly because the ‘ghost of competition past’ or habitat filtering have already driven separation of the species in niche space. The analytical framework presented here could increase basic understanding of how ecological interactions shape patterns of abundance across the landscape for a range of taxa, and also provide a powerful tool for forecasting the impacts of global change.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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