Using rare mosses to resolve barriers in the use of species distribution models for climate change vulnerability assessments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Climate change vulnerability assessments (CCVAs) provide a framework to assess the threat of climate change and inform conservation decisions. Species distribution models (SDMs) can be informative for a primary component of CCVAs: estimating climate change exposure (hereafter exposure). Despite their utility, SDMs are inconsistently applied. Limitations of few occurrences and difficulty obtaining microclimate‐informed predictors relevant in topographically complex and heterogeneous landscapes challenge their use and may lead to inaccurate exposure estimates. To address this, we develop SDMs with a technique adapted for few occurrences for two rare mosses, Bartramia aprica and Bartramia halleriana , and use a simple method for representing microclimates for the latter, which occurs in mountainous regions. We estimate exposure from models with varying microclimatic detail, spatial resolution, and extent, and explore additional uncertainty by comparing estimate types, scenarios, and potential for extrapolation to novel climates. We found that including microclimate data, smaller spatial extents, and finer resolutions predicted less exposure and produced the best‐performing models. We additionally found that B. halleriana may face greater exposure regardless of the scenario, model, or exposure estimate used. Based on our findings, we introduce a framework suggesting approaches for these difficult cases to enhance the consistent implementation of SDMs in CCVAs.
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.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle