MétaCan
Menu
Retour à la cohorte
Enregistrement W6967470143 · doi:10.5061/dryad.7wm37pvzv

Trait-based sensitivity of large mammals to a catastrophic tropical cyclone: DNA metabarcoding data

2023· dataset· en· W6967470143 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2023
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Geographic Society
Mots-clésExtreme weatherClimate changeHabitatBiological dispersalPopulationWildlifeEcosystemBiodiversityVulnerability (computing)

Résumé

récupéré en direct d'OpenAlex

Extreme weather events perturb ecosystems and increasingly threaten biodiversity1. Ecologists emphasize the need to forecast and mitigate the impacts of these incidents, which requires knowledge of how risk is distributed among species and environments, but the scale and unpredictability of extreme events complicates assessment1–4. These challenges are compounded for large animals (‘megafauna’), which play crucial ecological roles but are hard to study5. Traits such as body size, dispersal ability, and habitat affiliation are among the hypothesized determinants of animals’ vulnerability to natural hazards1,6,7. However, it has rarely been possible to test these propositions or, more generally, to link short- and longer-term effects of weather-related disturbance8,9. Here, we show how large herbivores and carnivores in Mozambique responded to Intense Tropical Cyclone Idai, the deadliest storm on record in Africa, across scales ranging from individual decisions in the hours after landfall to community-level responses nearly 20 months later. Animals occupying low-elevation habitats exhibited strong spatial responses to rising floodwaters. Body size predicted species’ subsequent numerical responses: small-bodied species exhibited the greatest population declines. We trace this sensitivity to limited mobility, which increased likelihood of death during the flood and constrained animals’ capacity to withstand food shortages afterward. Our results identify potentially general trait-based mechanisms underlying animal responses to severe weather and may help to inform strategies for wildlife conservation in a volatile climate. Climate Change 2022: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, B. Rama (eds.)]. Cambridge University Press. Cambridge University Press, Cambridge, UK and New York, NY, USA, (2022). Smith, M. An ecological perspective on extreme climatic events: A synthetic definition and framework to guide future research. J. Ecol. 99, 656-663 (2011). Ummenhofer, C. C., & Meehl, G. A. Extreme weather and climate events with ecological relevance: a review, Phil. Trans. R. Soc. B. 372, 20160135 (2017). Jentsch, A., Kreyling, J., & Beierkuhnlein, C. A new generation of climate-change experiments: events, not trends. Front. Ecol. Environ. 5, 365-374 (2007). Pringle, R. M., et. al. Impacts of large herbivores on terrestrial ecosystems. Current Biology 33, R584-R610 (2023). Spiller, D. A., Losos, J. B., & Schoener, T. W. Impact of a catastrophic hurricane on island populations. Science 281, 695-697 (1998). Schoener, T. W., & Spiller, D. A. Nonsynchronous recovery of community characteristics in island spiders after a catastrophic hurricane. PNAS 103, 2220-2225 (2006). Pruitt, N., Little, A. G., Majumdar, S. J., Schoener, T. W., & Fisher, D. N. Call-to-Action: A global consortium for tropical cyclone ecology. TREE 34, 588-590 (2019). Lin, T. C., Hogan, J. A., & Chang, C. T. Tropical cyclone ecology: a scale-link perspective. TREE 35, 594-604 (2020).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,018
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,018

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 Opus0,063
Tête enseignante GPT0,338
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADTravaux en français237 207