How and why species are rare: Towards an understanding of the ecological causes of rarity
Notice bibliographique
Résumé
The three-dimensional rarity typology proposed by Rabinowitz in 1981, based on geographic range, habitat specificity, and local abundance, is among the most widely used frameworks for describing rarity in ecological and conservation research. While this framework is descriptive and is not meant to explain the causes of rarity, recent advances in ecology may be leveraged to add explanatory power. We propose a modification of Rabinowitz’s typology to better distinguish between the dimensions of rarity and the ecological processes that drive them, and explore the conservation implications of our modified framework. We suggest replacing habitat specificity with occupancy (the proportion of occupied sites within a species’ range), yielding a modified classification based on range size, occupancy, and local abundance. Habitat specificity remains embedded in our framework, but as a driver of rarity rather than a rarity axis. Under our framework, habitat specialists are no longer considered rare if they are widespread and abundant; we argue that this modification more accurately identifies truly rare species, as habitat specialists may be common if their habitat is abundant. Finally, we draw on the functional and theoretical literature to identify the key processes and associated traits that drive each rarity axis. In this respect, we identify four processes (environmental filtering, movement, demography, and interactions), and hypothesise that range size and occupancy are primarily driven by environmental filtering and movement, whereas local abundance is more strongly influenced by demography and interactions. We further use ecological theory to hypothesise the conservation concerns associated with each rarity axis, and propose conservation measures that may be suitable for conserving different types of rare species. Our work may provide a basis for developing hypotheses about the causes of rarity of particular focal taxa or groups, and inform the development of targeted conservation strategies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,019 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».