Impact of climate change on the distribution of Isaria cicadaeMiquel in China: predictions based on the MaxEnt model
Notice bibliographique
Résumé
Introduction Isaria cicadae , a historically valued edible and medicinal fungus in China, has been experiencing a critical decline in abundance due to ecological degradation and overexploitation. Understanding its potential distribution is essential for promoting sustainable harvesting practices. Methods This study utilizes the MaxEnt model, combined with known distribution records and 22 environmental variables, to predict the potential distribution of I. cicadae under three representative emission scenarios (CMIP6: SSP1-2.6, SSP2-4.5, and SSP5-8.5) for the 2050s and 2070s. Results The analysis identifies seven key environmental variables influencing the habitat suitability of I. cicadae : the mean temperature of the driest quarter (bio09), the mean temperature of the wettest quarter (bio08), precipitation in the wettest month (bio16), the mean diurnal range (bio02), isothermality (bio03), elevation, and slope. Currently, I. cicadae is mainly found in the provinces of Yunnan, Sichuan, Hunan, Hubei, Guizhou, Jiangxi, Guangxi, Fujian, Anhui, and Zhejiang, with Yunnan and Sichuan having the largest areas of high suitability at 25.79 × 10 4 km 2 and 21.36 × 10 4 km 2 , respectively. Discussion Jiangxi, Hunan, Yunnan, Guizhou, Fujian, and the Guangxi Zhuang Autonomous Region are identified as primary regions of high suitability. This study aims to further elucidate the impact of the environment on the distribution of I. cicadae from a geographical perspective and provide theoretical insights for the future cultivation and conservation strategies of this species.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».