MétaCan
Menu
Retour à la cohorte
Enregistrement W6929841010 · doi:10.5061/dryad.f4qrfj6sp

Interspecific competition slows range expansion and shapes range boundaries

2020· dataset· en· W6929841010 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2020
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSphingolipid Metabolism and Signaling
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNucleofectionLiquationTSG101Range (aeronautics)Fusible alloyHyporeflexia

Résumé

récupéré en direct d'OpenAlex

Species expanding into new habitats as a result of climate change or human introductions will frequently encounter resident competitors. Theoretical models suggest that such interspecific competition can alter the speed of expansion and the shape of expanding range boundaries. However, competitive interactions are rarely considered when forecasting the success or speed of expansion, in part because there has been no direct experimental evidence that competition affects either expansion speed or boundary shape. Here we demonstrate that interspecific competition alters both expansion speed and range boundary shape. Using a two-species experimental system of the flour beetles Tribolium castaneum and Tribolium confusum, we show that interspecific competition dramatically slows expansion across a landscape over multiple generations. Using a parameterized stochastic model of expansion, we find that this slowdown can persist over the long-term. We also find that the shape of the moving range boundary changes continuously over many generations of expansion, first steepening and then becoming shallower, due to the competitive effect of the resident and density-dependent dispersal of the invader. This dynamic boundary shape suggests that current forecasting approaches assuming a constant shape could be misleading. More broadly, our results demonstrate that interactions between competing species can play a large role during range expansions and thus should be included in models and studies that monitor, forecast, or manage expansions in natural systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,007

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,238
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetSphingolipid Metabolism and SignalingTravaux en français237 207