Prey Distribution Mapping to Support Conservation Planning
Notice bibliographique
Résumé
ABSTRACT Aim Biodiversity conservation broadly relies on protecting suitable habitat for species of concern, and species distribution models (SDM) are a common method for classifying potential habitat suitability. However, SDMs frequently omit resource availability and are therefore missing potentially useful information for planning successful conservation areas. Here, we aim to identify regions of high prey availability, and thus high resource availability, for several listed predator species across California dryland regions. This information could be used to support more refined estimates of valuable habitat for prey species that support listed species within Central California drylands. Location California, USA. Time Period 1945–2022. Major Taxa Studied Arthropoda. Methods We used a prey list for 11 listed species found in California drylands and compiled occurrence records for those species from the Global Biodiversity Information Facility. We fit individual SDMs for all species using Bayesian additive regression trees. These individual SDMs were then stacked to identify hotspots of prey density across California. Results We found the highest observed and predicted prey richness along the Southern California coast in grassland, savanna, and urban landcover classes. Only a small region (2.9%) contained suitable habitat for more than 50% of prey species. In contrast, 60% of the study region contained suitable habitat for at least 1 prey item for more than 50% of listed predator species. Main Conclusions Observed hotspots of high prey richness and regions where predicted prey richness could support multiple listed species identify potential regions for conservation efforts. Our results also highlight how mapping prey in addition to listed species can support planning, as our stacked‐SDMs identified a wide geographic extent that can support the listed species. Future research could use these stacked‐SDMs to identify sites for standardised field surveys for key variables including whether predicted prey items are present but also in high abundance.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».