MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385348225 · doi:10.22541/au.169052440.02380168/v1

Species distribution models of a predator-prey system under climate change

2023· preprint· en· W4385348225 sur OpenAlexaff
Xuezhen Ge, Cort Griswold, Jonathan A. Newman

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensWilfrid Laurier UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAbiotic componentEcologyCorrelativeBiotic componentClimate changePredationSpecies distributionHabitatBiology

Résumé

récupéré en direct d'OpenAlex

Mechanistic and correlative models are two types of species distribution models (SDMs). They each have distinct foci, conceptual foundations, and levels of dependency on data availability, leading to potentially different estimates of species’ ecological niches and distributions. Mechanistic SDMs integrate detailed biological processes, making it possible to account for species’ biotic interactions. Despite their assumed importance, interactions in species distribution modeling remain uncommon. In this study, we applied an ensemble model of multiple correlative SDMs, a mechanistic SDM of the focal species (prey) alone, and a mechanistic SDM of the predator-prey interactions, to compare the predictions of correlative and mechanistic approaches and assess their relative strengths and limitations. We predict there are considerable and subtle differences in various predictions generated by the correlative and mechanistic approaches for each aphid species, which call for prior knowledge concerning species’ presence data or life histories. Our mechanistic SDMs allowed for the assessment of the relative significance of abiotic and biotic factors, along with their interactions, in determining species’ habitat suitability. Additionally, we predict aphid habitat suitability decreases across continents due to the effect of predation. However, this decrease may be offset or enhanced by the interaction effect between predation and climate change in different regions. This suggests the necessity of accounting for biotic interactions and the interplay between abiotic and biotic factors in mechanistic approaches. Our research highlights the impact of model philosophies in SDM studies and addresses the importance of selecting an appropriate modeling approach in line with the study’s objectives. Furthermore, our study suggests that mechanistic SDMs could serve as a valuable addition for assessing the robustness of correlative SDM 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 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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,124
Tête enseignante GPT0,275
Écart entre enseignants0,151 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSpecies Distribution and Climate Change→Travaux en français237 207→