Incorporating species population dynamics into static prioritization: Targeting species undergoing rapid change
Notice bibliographique
Résumé
Abstract Conservation planning has generally used models with a static spatial distribution of species to predict the likely occurrence of species. However, static data do not usually capture rapid changes in the abundance of endangered species or cryptic life stages such as the dormancy stage of eggs and seeds. Little is known about how neglecting dynamic population processes, such as recovery processes, can affect the outcomes of spatial prioritization in conservation planning. In this study, we investigated the distribution of 62 aquatic plant species, including 23 threatened species, in 415 agricultural ponds for 37 years to examine the importance of including recovery processes in conservation planning. Using long‐term historical presence–absence data and seedbank longevity data for aquatic macrophytes, we estimated rates of population disappearance and recovery for each species in each pond over the next 100 years. Average rates of recovery exceeded 0, 0.2, and 0.4 in 85.4%, 40.3%, and 4.8% of aquatic plant species, respectively. Simulation results suggested that the extinction risk for a species greatly decreased when recovery processes were considered. We found that including recovery processes in target species populations increased the performance of spatial prioritization by protecting more species in a smaller number of protected ponds. Spatial ranking of ponds for species conservation differed substantially among scenarios that included and excluded population recovery processes, suggesting that conservation priorities based on complementarity analysis are sensitive to underlying assumptions. Synthesis and applications . Our dynamic approach, which considers recovery processes of species, contributes to more effective conservation planning by reducing bias in the prediction of species’ state, given that cryptic life stages are ubiquitous among many plants and some animals. Time‐series presence/absence data on target species are quite useful for the approach and are often archived by participatory monitoring. Thus, the opportunities for applying our method are broad, especially for conservation prioritization and decision‐making at the local scale.
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) | 0,018 | 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 ».