Habitat area and environmental filters determine avian richness along an elevation gradient in mountain peatlands
Notice bibliographique
Résumé
Globally, relationships between avian richness and elevation in mountain ecosystems typically reflect one of four well‐documented patterns, but the mechanisms responsible for these patterns are poorly understood. We investigated which pattern best described bird species richness in peatlands of the Upper Bow Basin of the Canadian Rocky Mountains (1300–2000 m a.s.l.) and used a model competition framework to investigate possible mechanisms. Avian richness displayed a plateauing (cubic) relationship in response to increasing elevation (AICc weight = 0.48). Log richness was significantly positively related to log peatland area (R 2 = 0.42, p = 0.001); however, and once we accounted for the richness–area relationship (area was not related to elevation (R 2 = 0.13, p = 0.083)), the richness–elevation relationship was best described by a negative linear model rather than a cubic model (AICc weight = 0.69, R 2 = 0.39). Consequently, we reject the neutral model of the mid‐domain effect and conclude that peatland area and one or more environmental filters are simultaneously driving relationships between avian richness and elevation in Rocky Mountain peatlands. Multicausality likely explains why researchers in different geographies observe inconsistent patterns between richness and elevation: drivers and interactions among drivers may vary spatially. Importantly, Natural Subregion was a stronger predictor of avian species richness than elevation per se (AICc weight = 0.96), suggesting that the responsible environmental filter(s) is relatively homogenous within ecological land classes (e.g. primary productivity) rather than directly variable with elevation (e.g. temperature). The results also lend insight into priorities for future research on richness–elevation patterns in mountain birds.
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 | 0,000 | 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) | 0,000 | 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 ».