Predicting the effects of land cover change on biodiversity in Prairie Canada using species distribution models
Notice bibliographique
Résumé
Land cover change is the largest direct driver of global biodiversity loss but often the relationships between habitats and species occurrence are unknown. The conservation community requires tools to assess variation in biodiversity related to land cover for maximizing return on investment. Our objectives were to 1) develop a biodiversity mapping and assessment tool at a fine spatial scale for terrestrial vertebrates, and 2) test how much biodiversity is conserved by retaining natural habitats within agricultural landscapes. We built species distribution models for amphibians, birds, mammals, and reptiles (329 species, > 1.2 million observations) within Prairie Canada. Predicted biodiversity within 805 m × 805 m sites ranged from 0 to 238 species (66 ± 0.1). The proportion of annual cropland at a site had the largest negative effect on biodiversity among predictors. Using simulations of land cover change, we predicted that conserving 20 % of natural habitats would conserve an average of 26.5 % of maximum species richness in fields with annual cropland and 74.3 % of maximum species richness in fields with tame grass (perennial cropland). Our tool predicted that fields with conservation easements (n = 312) had more species (114 ± 2) and natural habitat (48 ± 1 %) compared to nearby unprotected sites (82 ± 3 species; 32 ± 2 % natural habitat). Our results highlight the importance of retaining natural habitats, including wetlands, grasslands, and forests within farms to support biodiversity. In addition, our predictions can be used to target areas for conserving and restoring habitats.
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 | 0,000 |
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 ».