MétaCan
Menu
Retour à la cohorte
Enregistrement W4293404603 · doi:10.1111/gcb.16375

Spatiotemporal influences of climate and humans on muskox range dynamics over multiple millennia

2022· article· en· W4293404603 sur OpenAlexaboutno aff
Elisabetta Canteri, Stuart C. Brown, Niels Martin Schmidt, Rasmus Heller, David Nogués‐Bravo, Damien A. Fordham

Notice bibliographique

RevueGlobal Change Biology · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research CouncilDanmarks Grundforskningsfond
Mots-clésRange (aeronautics)Climate changePhysical geographyEcologyGeographyEnvironmental scienceEarth scienceClimatologyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Processes leading to range contractions and population declines of Arctic megafauna during the late Pleistocene and early Holocene are uncertain, with intense debate on the roles of human hunting, climatic change, and their synergy. Obstacles to a resolution have included an overreliance on correlative rather than process-explicit approaches for inferring drivers of distributional and demographic change. Here, we disentangle the ecological mechanisms and threats that were integral in the decline and extinction of the muskox (Ovibos moschatus) in Eurasia and in its expansion in North America using process-explicit macroecological models. The approach integrates modern and fossil occurrence records, ancient DNA, spatiotemporal reconstructions of past climatic change, species-specific population ecology, and the growth and spread of anatomically modern humans. We show that accurately reconstructing inferences of past demographic changes for muskox over the last 21,000 years require high dispersal abilities, large maximum densities, and a small Allee effect. Analyses of validated process-explicit projections indicate that climatic change was the primary driver of muskox distribution shifts and demographic changes across its previously extensive (circumpolar) range, with populations responding negatively to rapid warming events. Regional analyses show that the range collapse and extinction of the muskox in Europe (~13,000 years ago) was likely caused by humans operating in synergy with climatic warming. In Canada and Greenland, climatic change and human activities probably combined to drive recent population sizes. The impact of past climatic change on the range and extinction dynamics of muskox during the Pleistocene-Holocene transition signals a vulnerability of this species to future increased warming. By better establishing the ecological processes that shaped the distribution of the muskox through space and time, we show that process-explicit macroecological models have important applications for the future conservation and management of this iconic species in a warming Arctic.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,282
Écart entre enseignants0,244 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207