MétaCan
Menu
Retour à la cohorte
Enregistrement W2902892305 · doi:10.1111/geb.12834

The origins and maintenance of global species endemism

2018· article· en· W2902892305 sur OpenAlexafffund
David J. Currie, Jeremy T. Kerr

Notice bibliographique

RevueGlobal Ecology and Biogeography · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ottawa
Mots-clésEndemismEcologySpecies richnessOptimal distinctiveness theoryRange (aeronautics)TaxonClimate changeBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Aim We test macroecological hypotheses (H1: long‐term climate stability; H2: climate seasonality; H3: climate distinctiveness or rarity; and, H4: spatial heterogeneity in contemporary climate, topography or habitat) proposed to explain broad‐scale patterns of total species endemism. Location Continental areas worldwide and zoogeographical realms. Methods Using species distribution maps for mammals and amphibians, we calculated five metrics of species endemism, based on inverse and median range size, and range size cut‐offs. We performed multi‐model averaging. We tested the accuracy of fitted models using cross‐validation, comparing observed versus predicted values of endemism among zoogeographical realms. Results Model averaging showed that species endemism for amphibians and mammals was statistically related to all set of predictors (H1, H2, H4 and richness), except for climate distinctiveness (H3). Effect sizes for spatial heterogeneity were larger and more consistent among zoogeographical realms than the effect sizes of climate stability. The effect of species richness on species endemism varies widely and depends on the metric of endemism and taxonomic group used in the analysis. Cross‐validation across all zoogeographical realms showed that predictions of endemism systematically fail for both taxa. In most cases, low to moderate endemism is predicted reasonably well. However, areas with high numbers of endemic species are systematically under‐predicted. Main conclusions Our results are not consistent with any of the processes hypothesized to create and maintain global patterns of endemism. Although we found statistically significant relationships, they failed the stronger test of a causal relationship: accurate prediction in independent data. The inconsistent effect of richness in our models suggests that patterns of endemism are not driven by the same variables as total richness. Patterns of endemism have no consistent relationships with climatic stability among zoogeographical realms, so suggestions that endemism reflect climatic stability are likely due to collinearity with other factors, especially spatial heterogeneity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations36
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Ecology and BiogeographyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207