MétaCan
Menu
Retour à la cohorte
Enregistrement W2997027054 · doi:10.1111/nph.16406

Determinants of geographic range size in plants

2020· review· en· W2997027054 sur OpenAlexafffund
Seema N. Sheth, Naia Morueta‐Holme, Amy L. Angert

Notice bibliographique

RevueNew Phytologist · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsNatural Sciences and Engineering Research Council of CanadaNational Research FoundationNational Institute of Food and AgricultureCenter for Makroøkologi, Evolution og KlimaDanmarks GrundforskningsfondU.S. Department of Agriculture
Mots-clésBiological dispersalEcologyRange (aeronautics)MacroecologyBiologyNicheEvolutionary ecologyAdaptation (eye)Evolutionary biologyBiogeographyPopulation

Résumé

récupéré en direct d'OpenAlex

Geographic range size has long fascinated ecologists and evolutionary biologists, yet our understanding of the factors that cause variation in range size among species and across space remains limited. Not only does geographic range size inform decisions about the conservation and management of rare and nonindigenous species due to its relationship with extinction risk, rarity, and invasiveness, but it also provides insights into fundamental processes such as dispersal and adaptation. There are several features unique to plants (e.g. polyploidy, mating system, sessile habit) that may lead to distinct mechanisms explaining variation in range size. Here, we highlight key studies testing intrinsic and extrinsic hypotheses about geographic range size under contrasting scenarios where species' ranges are static or change over time. We then present results from a meta-analysis of the relative importance of commonly hypothesized determinants of range size in plants. We show that our ability to infer the relative importance of these determinants is limited, particularly for dispersal ability, mating system, ploidy, and environmental heterogeneity. We highlight avenues for future research that merge approaches from macroecology and evolutionary ecology to better understand how adaptation and dispersal interact to facilitate niche evolution and range expansion.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil0,598

Scores Codex et Gemma par catégorie

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

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 Opus0,100
Tête enseignante GPT0,290
Écart entre enseignants0,190 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations155
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNew PhytologistMême sujetPlant and animal studiesTravaux en français237 207