Strategies to optimize modeling habitat suitability of <i>Bertholletia excelsa</i> in the Pan‐Amazonia
Notice bibliographique
Résumé
Abstract Aim Amazon‐nut ( Bertholletia excelsa ) is a hyperdominant and protected tree species, playing a keystone role in nutrient cycling and ecosystem service provision in Amazonia. Our main goal was to develop a robust habitat suitability model of Amazon‐nut and to identify the most important predictor variables to support conservation and tree planting decisions. Localization Amazon region, South America. Methods We collected 3,325 unique Amazon‐nut records and assembled >100 spatial predictor variables organized across climatic, edaphic, and geophysical categories. We compared suitability models using variables (a) selected through statistical techniques; (b) recommended by experts; and (c) integrating both approaches (a and b). We applied different spatial filtering scenarios to reduce overfitting. We additionally fine‐tuned MAXENT settings to our data. The best model was selected through quantitative and qualitative assessments. Results Principal component analysis based on expert recommendations was the most appropriate method for predictor selection. Elevation, coarse soil fragments, clay, slope, and annual potential evapotranspiration were the most important predictors. Their relative contribution to the best model amounted to 75%. Filtering of the presences within a radius of 10 km displayed lowest overfitting, a satisfactory omission rate and the most symmetric distribution curve. Our findings suggest that under current environmental conditions, suitable habitat for Amazon‐nut is found across 2.3 million km 2 , that is, 32% of the Amazon Biome. Main conclusion The combination of statistical techniques with expert knowledge improved the quality of our suitability model. Topographic and soil variables were the most important predictors. The combination of predictor variable selection, fine‐tuning of model parameters and spatial filtering was critical for the construction of a reliable habitat suitability model.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».