Predicting the distribution of poorly-documented species, Northern black widow (Latrodectus variolus) and Black purse-web spider (Sphodros niger), using museum specimens and citizen science data
Notice bibliographique
Résumé
Predicting species distributions requires substantial numbers of georeferenced occurrences and access to remotely sensed climate and land cover data. Reliable estimates of the distribution of most species are unavailable, either because digitized georeferenced distributional data are rare or not digitized. The emergence of online biodiversity information databases and citizen science platforms dramatically improves the amount of information available to establish current and historical distribution of lesser-documented species. We demonstrate how the combination of museum and online citizen science databases can be used to build reliable distribution maps for poorly documented species. To do so, we investigated the distribution and the potential range expansions of two north-eastern North American spider species (Arachnida: Araneae), the Northern black widow (Latrodectus variolus) and the Black purse-web spider (Sphodros niger). Our results provide the first predictions of distribution for these two species. We also found that the Northern black widow has expanded north of its previously known range providing valuable information for public health education. For the Black purse-web spider, we identify potential habitats outside of its currently known range, thus providing a better understanding of the ecology of this poorly-documented species. We demonstrate that increasingly available online biodiversity databases are rapidly expanding biogeography research for conservation, ecology, and in specific cases, epidemiology, of lesser known taxa.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,001 | 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 ».