MétaCan
Menu
Retour à la cohorte
Enregistrement W3083534214 · doi:10.1139/facets-2020-0018

Spatial distribution and conservation hotspots of mammals in Canada

2020· article· en· W3083534214 sur OpenAlexaffvenueabout
Victor Cameron, Anna L. Hargreaves

Notice bibliographique

RevueFACETS · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensMcGill UniversityUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMammalRange (aeronautics)Species richnessBiodiversityGeographyHabitatEcologyGrid cellDistribution (mathematics)BiologyGrid

Résumé

récupéré en direct d'OpenAlex

High-latitude countries often contain the polar range edge of species that are common farther south, potentially focusing national conservation efforts toward range-edge populations. The global conservation value of edge populations is controversial, but if they occur where biodiversity is high, there need not be trade-offs in protecting them. Using 152 of 158 terrestrial mammal species in Canada, we tested how species’ distributions relate to their national conservation status and total mammal richness. We found that half of “Canadian” mammals had <20% of their global range in Canada. National threat status was strongly associated with range area; mammals considered “at risk” had 42% smaller Canadian ranges than mammals considered secure. However, after accounting for range area, taxa with smaller proportions of their global range in Canada were not more likely to be considered at risk, suggesting edge populations are not inherently more vulnerable. When we calculated mammal diversity across Canada (100 × 100 km grid cells), we found that hotspots of at-risk or range-edge mammals were twice as species rich as nonhotspot cells, containing up to 44% of Canadian mammal diversity per grid cell. Our results suggest that protecting areas with the most at-risk or range-edge mammals would simultaneously protect habitat for many species currently deemed secure.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,994

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)0,0070,000

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 Opus0,021
Tête enseignante GPT0,207
Écart entre enseignants0,186 · 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.

Devis d'étudeObservationnel
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

Citations5
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207