The effects of fragmentation per se on patch occupancy are stronger and more positive in a landscape with a higher quality and more homogeneous matrix
Notice bibliographique
Résumé
Habitat fragmentation per se – independent of habitat amount – often increases patch occupancy, possibly because patches are closer together in landscapes with higher fragmentation per se, which should increase dispersal success. Here, we ask whether this effect is influenced by the quality and/or heterogeneity of the landscape matrix, i.e. the non‐habitat portion of the landscape. Specifically, we expect the positive effect of fragmentation per seshould be accentuated when matrix quality is high, reducing dispersal mortality. In contrast, when matrix quality is low, high dispersal mortality should lead to fewer colonisations, and accumulation of extinctions across the smaller patches in a more‐fragmented landscape could lead to negative effects of fragmentation per se. Additionally, matrix heterogeneity could obscure fragmentation effects, as the link between habitat spatial distribution and between‐patch dispersal becomes less predictable. We test these ideas using Glanville fritillary butterfly Melitaea cinxia occupancy data for 4291 habitat patches in the Åland Islands, Finland. Habitat patches for the study species are discrete and well‐defined areas where at least one of the two host species occurs. Adult individuals disperse from habitat patches, spending time in the landscape matrix while searching for new habitat patches. Our predictions were mostly supported. Fragmentation effects were more strongly positive when matrix quality was high; however, we did not see the predicted negative effect of fragmentation per se in landscapes with low matrix quality. As predicted, fragmentation effects on patch occupancy were weaker in landscapes with a more heterogeneous matrix. Our findings may explain why fragmentation effects are often weak. They also suggest that the moderating effects of matrix quality and heterogeneity should be explicitly considered when interpreting effects of habitat fragmentation per se on species distributions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».