Quantifying functional connectivity: The role of breeding habitat, abundance, and landscape features on range‐wide gene flow in sage‐grouse
Notice bibliographique
Résumé
Abstract Functional connectivity, quantified using landscape genetics, can inform conservation through the identification of factors linking genetic structure to landscape mechanisms. We used breeding habitat metrics, landscape attributes, and indices of grouse abundance, to compare fit between structural connectivity and genetic differentiation within five long‐established Sage‐Grouse Management Zones (MZ) I‐V using microsatellite genotypes from 6,844 greater sage‐grouse ( Centrocercus urophasianus ) collected across their 10.7 million‐km 2 range. We estimated structural connectivity using a circuit theory‐based approach where we built resistance surfaces using thresholds dividing the landscape into “habitat” and “nonhabitat” and nodes were clusters of sage‐grouse leks (where feather samples were collected using noninvasive techniques). As hypothesized, MZ‐specific habitat metrics were the best predictors of differentiation. To our surprise, inclusion of grouse abundance‐corrected indices did not greatly improve model fit in most MZs. Functional connectivity of breeding habitat was reduced when probability of lek occurrence dropped below 0.25 (MZs I, IV) and 0.5 (II), thresholds lower than those previously identified as required for the formation of breeding leks, which suggests that individuals are willing to travel through undesirable habitat. The individual MZ landscape results suggested terrain roughness and steepness shaped functional connectivity across all MZs. Across respective MZs, sagebrush availability (<10%–30%; II, IV, V), tree canopy cover (>10%; I, II, IV), and cultivation (>25%; I, II, IV, V) each reduced movement beyond their respective thresholds. Model validations confirmed variation in predictive ability across MZs with top resistance surfaces better predicting gene flow than geographic distance alone, especially in cases of low and high differentiation among lek groups. The resultant resistance maps we produced spatially depict the strength and redundancy of range‐wide gene flow and can help direct conservation actions to maintain and restore functional connectivity for sage‐grouse.
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 | 0,000 | 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 | 0,000 | 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 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 ».