Habitat quality does not predict animal population abundance on frequently disturbed landscapes
Notice bibliographique
Résumé
Increases in frequency of anthropogenic and natural disturbances exacerbated by climate change are disrupting animal movement patterns and, in turn, species distribution and abundance. Habitat models are a valuable approach for predicting how a species or population is distributed across habitats. However, in these models, the environmental characteristics describing habitat are typically constant over time which is inaccurate for a frequently disturbed landscape. The goal of this study is to assess the degree to which frequent disturbances can alter abundance and distribution, to the point of which inferences from static habitat maps are no longer relevant. We simulated individual animal movement in a dynamically disturbed landscape and compared the observed spatial relative abundance to the one predicted from a static habitat model fit to the simulated trajectories. We found that the prediction error is higher when the landscape is disturbed than where there are no disturbances. This result holds even with the addition of life-history and demographic processes to the model which would facilitate the discovery of novel habitat by increasing density-dependent movement, thereby bringing the spatial distribution of individuals closer to a proportion of habitat quality arising from the population at equilibrium assumption underlying most habitat models. In the context of species at risk recovery planning, using habitat models with constant environmental covariates to forecast animal locations in areas with more frequent disturbances as a result of climate change will likely produce inaccurate predictions.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 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 ».