Predicting range shifts of African apes under global change scenarios
Notice bibliographique
Résumé
Abstract Aim Modelling African great ape distribution has until now focused on current or past conditions, while future scenarios remain scarcely explored. Using an ensemble forecasting approach, we predicted changes in taxon‐specific distribution under future scenarios of climate, land use and human populations for (1) areas outside protected areas (PAs) only (assuming complete management effectiveness of PAs), (2) the entire study region and (3) interspecies range overlap. Location Tropical Africa. Methods We compiled occurrence data ( n = 5,203) on African apes from the IUCN A.P.E.S. database and extracted relevant climate‐, habitat‐ and human‐related predictors representing current and future (2050) conditions to predict taxon‐specific range change under a best‐ and a worst‐case scenario, using ensemble forecasting. Results The predictive performance of the models varied across taxa. Synergistic interactions between predictors are shaping African ape distribution, particularly human‐related variables. On average across taxa, a range decline of 50% is expected outside PAs under the best scenario if no dispersal occurs (61% in worst scenario). Otherwise, an 85% range reduction is predicted to occur across study regions (94% worst). However, range gains are predicted outside PAs if dispersal occurs (52% best, 21% worst), with a slight increase in gains expected across study regions (66% best, 24% worst). Moreover, more than half of range losses and gains are predicted to occur outside PAs where interspecific ranges overlap. Main Conclusions Massive range decline is expected by 2050, but range gain is uncertain as African apes will not be able to occupy these new areas immediately due to their limited dispersal capacity, migration lag and ecological constraints. Given that most future range changes are predicted outside PAs, Africa's current PA network is likely to be insufficient for preserving suitable habitats and maintaining connected ape populations. Thus, conservation planners urgently need to integrate land use planning and climate change mitigation measures at all decision‐making levels both in range countries and abroad.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».