Temperature fluctuations influence predictions of landscape-scale spruce budworm defoliation in a physiologically-informed species distribution model
Notice bibliographique
Résumé
Abstract Aim While many studies on ectotherm thermal tolerance consider temperature exposure, the frequency of temperature exposures is emerging as an important and generally overlooked driver of survival and fitness which may influence species ranges. We use a physiologically-informed species distribution model to evaluate the influence of temperature fluctuations on the historical distribution and intensity of defoliation of a Lepidopteran forest pest, and on predicted future defoliation. Location Eastern Canada. Time period 2006-2016, projections to 2041-2070. Major taxa studied Choristoneura fumiferana (Lepidoptera: Tortricidae, spruce budworm). Methods We combined publicly-available maps of spruce budworm-induced defoliation between 2006-2016 in the Canadian province of Quebec with climate, forest composition, and de novo temperature fluctuation predictors to train a species distribution model. Our model evaluated how predictor categories influence spruce budworm defoliation and compared these results to a model trained without temperature fluctuations. Additionally, we predicted future spruce budworm defoliation under 2041-2070 climate change conditions using the models trained with and without temperature fluctuation predictors to determine the impact of temperature fluctuations on future defoliation predictions. Results We found that the inclusion of temperature fluctuation predictors improved model performance, and these predictors ranked highly in importance relative to predictors in other categories. The model trained with temperature fluctuation predictors also predicted vastly different defoliation distribution and severity across Quebec, Ontario, and Labrador than the model trained without them under future climate. Main conclusions Our study reveals the previously overlooked importance of temperature fluctuations on landscape-scale spruce budworm defoliation and demonstrates the importance of including physiologically-informed predictors in species distribution models. It also provides a novel framework for including thermal variation in correlative species distribution models of ectotherms.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».