GIS-based modeling to assess ecological niche differentiation in four species of sympatric lichens at risk in Nova Scotia, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Species distribution models (SDMs) rely on the concept of niche theory that suggests that individual species live within definable ranges of environmental conditions. Comparisons of SDMs between species can help further the understanding of competitive exclusion and niche differentiation. SDMs were created for Erioderma pedicellatum, E. mollissimum, Pectenia plumbea and Pannaria lurida, four sympatric species that occur in Nova Scotia, Canada. Logistic regression was used to create SDMs using nine environmental explanatory variables and presence of the modeled species as the response variable. There was significant overlap in environmental space between species, but each species tended to occupy a unique combination of environmental attributes. The Erioderma pedicellatum model from this study suggests this species occurs in cooler wet climate at mid-elevations in older closed canopy coniferous forest. Results from this study indicate Erioderma mollissimum occurs in old to mature deciduous forests at low to mid-elevation in warm, moderately wet climates. Pectenia plumbea tended to be found at low to mid-elevations in areas with moderately cool temperature with mid to high mean annual precipitation. Pannaria lurida tended to occupy mature to old forests occurring in areas with mid-range mean annual precipitation at higher elevations. Since this study examined a relatively small number of environmental variables, further study at different scales and with more extensive datasets would likely reveal further insights into competitive exclusion among these four cyanolichens.
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.
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) | 0,014 | 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 découle