High resolution thermal remote sensing and the limits of species’ tolerance
Notice bibliographique
Résumé
Extinction risks for many insect species, particularly across very broad spatial extents, have been linked to the growing frequency and severity of temperatures that exceed the boundaries of their realized niches. Measurement and mitigation of such impacts is hindered by the availability of high-resolution measurements of species-specific severity of extreme weather, especially temperature. While techniques enabling interpolation of broad-scale remote sensing metrics are vital for such efforts, direct remote sensing measurements of thermal conditions could improve habitat management by providing detailed insights that interpolative approaches cannot. Advances in unmanned aerial vehicle (UAV) technology have created opportunities to better evaluate the role of microclimates in local species extinctions. Here, we develop a method to create high-resolution maps of microclimates using UAV and thermal imaging technology that use species’ realized niche boundaries to assess potential effects of severity of extreme temperatures. We generated air temperature maps (5 cm resolution) and canopy height maps (1 cm resolution) for 15 sites in a rare alvar ecosystem in eastern Ontario. We validated these remote sensing observations against independent, in situ temperature observations using iButtons. Temperature observations were accurate and related to physical heterogeneity in alvar habitats. We converted temperature measures into estimates of proximity of thermal niche boundaries for three butterfly species found during field surveys. This is the first time that this method has been applied to high resolution remote sensing observations and offers potential to assess the availability and adequacy of microclimates within habitats at resolutions relevant for conservation management.
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) | 0,014 | 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 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 ».