MétaCan
Menu
Retour à la cohorte
Enregistrement W3014155095 · doi:10.3389/fgene.2020.00307

Alternative Quantifications of Landscape Complementation to Model Gene Flow in Banded Longhorn Beetles [Typocerus v. velutinus (Olivier)]

2020· article· en· W3014155095 sur OpenAlexafffund
Richard Borthwick, Alida de Flamingh, Maximilian H. K. Hesselbarth, Anjana Parandhaman, Helene H. Wagner, Hossam Eldien M. Abdel Moniem

Notice bibliographique

RevueFrontiers in Genetics · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCooperative State Research, Education, and Extension ServiceUniversity of TorontoGeorg-August-Universität GöttingenStrategic Environmental Research and Development ProgramDeutsche ForschungsgemeinschaftU.S. Department of Agriculture
Mots-clésContext (archaeology)PopulationEcologyLonghorn beetleBiologyLandscape connectivityGeographyBiological dispersal

Résumé

récupéré en direct d'OpenAlex

Rapid progression of human socio-economic activities has altered structure and function of natural landscapes. Species that rely on multiple, complementary habitat types to complete their life cycle may be especially at risk. However, such landscape complementation has received little attention in the context of landscape connectivity modelling. A previous study on flower longhorn beetles (Cerambycidae: Lepturinae) integrated landscape complementation into a continuous habitat suitability ‘surface’, which was used to quantify landscape connectivity between pairs of sampling sites using gradient-surface metrics. This connectivity model was validated with molecular genetic data collected for the banded longhorn beetle (Typocerus v. velutinus) in Indiana, USA. However, this approach has not been compared to alternative models in a landscape genetics context. Here, we used a discrete land cover map to calculate landscape metrics related to landscape complementation based on a patch mosaic model as an alternative to the previously published, continuous habitat suitability model. We evaluated the habitat suitability model surface with gradient surface metrics and with two resistance-based models based on least cost path and commute distance, in addition to an isolation-by-distance model based on Euclidean distance. We compared the ability of these competing models of connectivity to explain pairwise genetic distances (RST) previously calculated from ten microsatellite genotypes of 454 beetles collected from 17 sites across Indiana. Model selection with maximum likelihood population effects models found that gradient surface metrics were most effective at explaining pairwise genetic distances as a proxy for gene flow across the landscape, followed by landscape metrics calculated from the patch mosaic model, whereas the least cost path model performed worse than the commute distance and the isolation by distance model. We argue that the analysis of a continuous habitat suitability model with gradient surface metrics might perform better because of their combined ability to effectively represent and quantify the continuous degree of landscape complementation (i.e. availability of complementary habitats in vicinity) found at and in-between sites, on which these beetles depend. Our findings may inform future studies that seek to model habitat connectivity in complex heterogeneous landscapes as natural habitats continue to become more fragmented in the Anthropocene.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,448

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,032
Tête enseignante GPT0,261
Écart entre enseignants0,229 · 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'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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetWildlife-Road Interactions and ConservationTravaux en français237 207