Time-lag effects of habitat loss, but not fragmentation, on deadwood-dwelling lichens
Notice bibliographique
Résumé
Abstract Context Landscape habitat amount is known to increase biodiversity, while the effects of habitat fragmentation are still debated. It has been suggested that negative fragmentation effects may occur with a time lag, which could explain inconsistent results. However, there is so far no empirical support for this idea. Objectives We evaluated whether habitat amount and fragmentation at the landscape scale affect the species density of deadwood-dwelling lichens, and whether these effects occur with a time lag. Methods We surveyed deadwood-dwelling lichens in woodland key habitats in two regions in northern Sweden, and modelled their species density as a function of past (1960s) and present (2010s) habitat amount (old forest area) and fragmentation (edge density) in the surrounding landscapes. Results Present habitat amount generally had weak positive effects on lichen species density. Positive effects of the past habitat amount were stronger, indicating a time lag in habitat amount effects. Habitat fragmentation effects were generally weak and similar whether fragmentation was measured in the past or the present landscapes, indicating no time lag in fragmentation effects. Conclusions We found a time lag effect of habitat amount, but not fragmentation. This result is not consistent with suggestions that time lags explain the mixed observations of fragmentation effects. Time-lag effects of habitat amount suggest that the studied lichen communities face an extinction debt. Conservation should therefore prioritize increasing the amount of old forest, for example by creating forest reserves, to maintain the current lichen diversity. More generally, our results imply that studies examining only the present habitat amount risk under-estimating its importance.
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) | 0,001 | 0,001 |
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 ».