MétaCan
Menu
Retour à la cohorte
Enregistrement W2949960102 · doi:10.1111/ele.13169

Local adaptation primes cold‐edge populations for range expansion but not warming‐induced range shifts

2018· letter· en· W2949960102 sur OpenAlexafffund
Anna L. Hargreaves, Christopher G. Eckert

Notice bibliographique

RevueEcology Letters · 2018
Typeletter
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensQueen's UniversityMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Conservation Association
Mots-clésTransectRange (aeronautics)EcologyBiologyAdaptation (eye)HabitatSpecies distributionEnhanced Data Rates for GSM EvolutionLocal adaptationClimate changeGlobal warmingPopulation

Résumé

récupéré en direct d'OpenAlex

According to theory, edge populations may be poised to expand species' ranges if they are locally adapted to extreme conditions, or ill-suited to colonise beyond-range habitat if their offspring are genetically and competitively inferior. We tested these contrasting predictions by transplanting low-, mid-, and high-elevation (edge) populations of an annual plant throughout and above its elevational distribution. Seed from poor-quality edge habitat (one of two transects) had inferior emergence, but edge seeds also had adaptive phenology (both transects). High-elevation plants flowered earlier, required less heat accumulation to mature seed, and so achieved higher lifetime fitness at and above the range edge. Experimental warming improved fitness above the range, but eliminated the advantage of local cold-edge populations, supporting recent models in which cold-adapted edge populations do not facilitate warming-induced range shifts. The highest above-range fitness was achieved by a 'super edge phenotype' from a neighbouring mountain, suggesting key adaptations exist regionally even if absent from local edge populations.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,276
Score d'incertitude au seuil1,000

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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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 Opus0,063
Tête enseignante GPT0,271
Écart entre enseignants0,208 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations71
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207