Importance of spatio–temporal connectivity to maintain species experiencing range shifts
Notice bibliographique
Résumé
Climate change can affect the habitat resources available to species by changing habitat quantity, suitability and spatial configuration, which largely determine population persistence in the landscape. In this context, dispersal is a central process for species to track their niche. Assessments of the amount of reachable habitat (ARH) using static snap‐shots do not account, however, for the temporal overlap of habitat patches that may enhance stepping‐stone effects. Here, we quantified the impacts of climate change on the ARH using a spatio–temporal connectivity model. We first explored the importance of spatio–temporal connectivity relative to purely spatial connectivity in a changing climate by generating virtual species distributions and analyzed the relative effects of changes in habitat quantity, suitability and configuration. Then, we studied the importance of spatio–temporal connectivity in three vertebrate species with divergent responses to climate change in North America (grey wolf, Canadian lynx and white‐tailed deer). We found that the spatio–temporal connectivity could enhance the stepping‐stone effect for species predicted to experience range contractions, and the relative importance of the spatio–temporal connectivity increased with the reduction in habitat quantity and suitability. Conversely, for species that are likely to expand their ranges, spatio–temporal connectivity had no additional contribution to improve the ARH. We also found that changes in habitat amount (quantity and suitability) were more influential than changes in habitat configuration in determining the relative importance of spatio–temporal connectivity. We conclude that spatio–temporal connectivity may provide less biased and more realistic estimates of habitat connectivity than purely spatial connectivity.
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 | 0,001 |
| 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) | 0,053 | 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 ».