Temporal variation in spatial genetic structure during population outbreaks: Distinguishing among different potential drivers of spatial synchrony
Notice bibliographique
Résumé
Abstract Spatial synchrony is a common characteristic of spatio‐temporal population dynamics across many taxa. While it is known that both dispersal and spatially autocorrelated environmental variation (i.e., the Moran effect) can synchronize populations, the relative contributions of each, and how they interact, are generally unknown. Distinguishing these mechanisms and their effects on synchrony can help us to better understand spatial population dynamics, design conservation and management strategies, and predict climate change impacts. Population genetic data can be used to tease apart these two processes as the spatio‐temporal genetic patterns they create are expected to be different. A challenge, however, is that genetic data are often collected at a single point in time, which may introduce context‐specific bias. Spatio‐temporal sampling strategies can be used to reduce bias and to improve our characterization of the drivers of spatial synchrony. Using spatio‐temporal analyses of genotypic data, our objective was to identify the relative support for these two mechanisms to the spatial synchrony in population dynamics of the irruptive forest insect pest, the spruce budworm ( Choristoneura fumiferana ), in Quebec (Canada). AMOVA, cluster analysis, isolation by distance, and sPCA were used to characterize spatio‐temporal genomic variation using 1,370 SBW larvae sampled over four years (2012–2015) and genotyped at 3,562 SNP loci. We found evidence of overall weak spatial genetic structure that decreased from 2012 to 2015 and a genetic diversity homogenization among the sites. We also found genetic evidence of a long‐distance dispersal event over >140 km. These results indicate that dispersal is the key mechanism involved in driving population synchrony of the outbreak. Early intervention management strategies that aim to control source populations have the potential to be effective through limiting dispersal. However, the timing of such interventions relative to outbreak progression is likely to influence their probability of success.
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) | 0,001 | 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 ».