Loss of only the smallest patches will reduce species diversity in most discrete habitat networks
Notice bibliographique
Résumé
Abstract Under many global‐change scenarios, small habitat patches are the most vulnerable to destruction. For example, smaller ponds are at greater risk in a drying climate and their loss would remove any obligate aquatic individuals present. We asked what proportional loss of species diversity from metacommunities comprised of discrete habitat patches should be expected from attrition (complete loss) of only the smallest patches under such a premise. We analyzed 175 published datasets for different taxonomic groups (vertebrates, invertebrates, and plants) and habitat types (islands, habitat islands, and fragments). We simulated the destruction of only the smallest patches to an approximate 20% of total area (range: 15.2%–24.2%) and analyzed species loss. Mean [± 95% CI] species loss was 12.7% [10.8, 14.6], although 18.3% of datasets lost no species. Four broad patterns of species loss were evident, reflecting underlying differences in minimum area requirements and the degree of species turnover among patches. Regression modeling showed species loss increased with greater species turnover among patches (βSIM) and decreased with greater area scaling of diversity (i.e., larger power‐law island species–area relationship exponents). Losses also increased with greater numbers of single‐patch endemics and with increasing proportions of patches destroyed. After accounting for these predictors, neither taxonomic group nor habitat type increased explained variation in species loss. Attrition of the smallest patches removed species in >80% of metacommunities, despite all larger patches and >75% of total area remaining intact. At both 10% and 20% area reduction, median species loss across all datasets was around 50% higher than predicted from methods based on the species–area relationship. We conclude that any mechanism of global change that selectively destroys small habitat patches will lead to imminent extinctions in most discrete metacommunities.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».