Can long‐term diapause/dormancy improve persistence in a positively autocorrelated environment?
Notice bibliographique
Résumé
Abstract A temporal bet‐hedging strategy spreads demographic risk across multiple years via diapause/dormancy mechanisms. Diapause polymorphisms (i.e. individuals varying in the length of their diapause) are said to lead to greater persistence in white‐noise stochastic environments but to be less advantageous in temporally autocorrelated or ‘reddened’ environments because immediate future conditions are more predictable. Only diapause lasting for up to 2 years has been investigated, despite numerous species possessing longer diapause polymorphisms. We predicted that longer diapause polymorphisms (>2 years) would extend the advantage of a bet‐hedging strategy to times when reddened environments become unpredictable again. Using data from the Sinai Baton Blue butterfly, we modelled the effect of longer‐diapause strategies (>2 years) and varying degrees of temporal autocorrelation of environmental stochasticity. Both 3‐year and 8‐year diapause polymorphisms were more advantageous, characterised by greater stability or slower population decline than a simple one‐year diapause in white‐noise stochastic environments; while the longer 8‐year diapause polymorphism was more advantageous in reddened stochastic environments. This marks the first evidence that longer diapause polymorphisms are an evolutionary response to reddened stochastic environments.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,002 | 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 ».