MétaCan
Menu
Retour à la cohorte
Enregistrement W2888006456 · doi:10.1111/geb.12758

Global drivers of population density in terrestrial vertebrates

2018· article· en· W2888006456 sur OpenAlexfundno aff
Luca Santini, Nick J. B. Isaac, Luigi Maiorano, Gentile Francesco Ficetola, Mark A. J. Huijbregts, Chris Carbone, Wilfried Thuiller

Notice bibliographique

RevueGlobal Ecology and Biogeography · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilSight Research UKEuropean Research CouncilMcGill University
Mots-clésIntraspecific competitionEcologyBiologyRange (aeronautics)Population densityPopulationTemperate climateDensity dependenceProductivityAridVertebrateTaxonEnvironmental changeClimate change

Résumé

récupéré en direct d'OpenAlex

Abstract Aim Although the effects of life history traits on population density have been investigated widely, how spatial environmental variation influences population density for a large range of organisms and at a broad spatial scale is poorly known. Filling this knowledge gap is crucial for global species management and conservation planning and to understand the potential impact of environmental changes on multiple species. Location Global. Time period Present. Major taxa studied Terrestrial amphibians, reptiles, birds and mammals. Methods We collected population density estimates for a range of terrestrial vertebrates, including 364 estimates for amphibians, 850 for reptiles, 5,667 for birds and 7,651 for mammals. We contrasted the importance of life history traits and environmental predictors using mixed models and tested different hypotheses to explain the variation in population density for the four groups. We assessed the predictive accuracy of models through cross‐validation and mapped the partial response of vertebrate population density to environmental variables globally. Results Amphibians were more abundant in wet areas with high productivity levels, whereas reptiles showed relatively higher densities in arid areas with low productivity and stable temperatures. The density of birds and mammals was typically high in temperate wet areas with intermediate levels of productivity. The models showed good predictive abilities, with pseudo‐ R 2 ranging between 0.68 (birds) and 0.83 (reptiles). Main conclusions Traits determine most of the variation in population density across species, whereas environmental conditions explain the intraspecific variation across populations. Species traits, resource availability and climatic stability have a different influence on the population density of the four groups. These models can be used to predict the average species population density over large areas and be used to explore macroecological patterns and inform conservation analyses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,211
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations112
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Ecology and BiogeographyMême sujetWildlife Ecology and ConservationTravaux en français237 207