MétaCan
Menu
← Retour à la cohorte
Enregistrement W2973433649 · doi:10.1101/775957

Mechanistic macroecology: exploring the drivers of latitudinal variation in terrestrial body size in a General Ecosystem Model

2019· preprint· en· W2973433649 sur OpenAlexaff
Michael Harfoot, Andrew J. Abraham, Derek P. Tittensor, Gabriel C. Costa, Søren Faurby, Anat Feldman, Yuval Itescu, Shai Meiri, Ignacio Morales‐Castilla, Brunno F. Oliveira, Drew W. Purves

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEctothermMacroecologyBergmann's ruleEcosystemEcologyThermoregulationResource (disambiguation)LatitudeBiologyBiodiversityGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Many mechanisms have been hypothesized to explain Bergmann’s rule - the correlation of body size with latitude. However, it is not feasible to assess the contribution of hypothesised mechanisms by experimental manipulation or statistical correlation. Here, we evaluate two of the principal hypothesised mechanisms, related to thermoregulation and resource availability, using structured experiments in a mechanistic global ecosystem model. We simulated the broad structure of assemblages and ecosystems using the Madingley model, a mechanistic General Ecosystem Model (GEM). We compared emergent modelled biogeographic patterns in body mass to empirical patterns for mammals and birds. We then explored the relative contribution of thermoregulation and resource availability to body mass clines by manipulating the model’s environmental gradients. Madingley produces body size gradients that are in broad agreement with empirical estimates. Thermoregulation and resource availability were both important controls on body mass for endotherms, but only temperature for ectotherms. Our results suggest that seasonality explains animal body mass patterns through a complex set of mechanisms. Process-based GEMs generate broadly realistic biogeographic body mass patterns. Ecologists can use them in novel ways: to explore causality, or for generating and testing hypotheses for large-scale, emergent ecological patterns. At the same time, macroecological patterns are useful for evaluating mechanistic models. Iteratively developing GEMs, and evaluating them against macroecological patterns, could generate new insights into the complex causes of such patterns.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,029
Tête enseignante GPT0,223
Écart entre enseignants0,194 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetSpecies Distribution and Climate Change→Travaux en français237 207→