Extinction debt of protected areas in developing landscapes
Notice bibliographique
Résumé
To conserve biological diversity, protected-area networks must be based not only on current species distributions but also on the landscape's long-term capacity to support populations. We used spatially explicit population models requiring detailed habitat and demographic data to evaluate the ability of existing park systems in the Rocky Mountain region (U.S.A. and Canada) to sustain populations of mammalian carnivores. Predicted patterns of extirpation agreed with those from logistic-regression models based only on park size and connectedness (or isolation) for the grizzly bear (Ursus arctos) in developed landscapes (northern US. Rocky Mountains) and semideveloped landscapes (southern Canadian Rocky Mountains). The area-isolation model performed poorly where the landscape matrix contained large amounts of suitable habitat (northern Canadian Rocky Mountains). Park area and connectedness were poor predictors of gray wolf (Canis lupus) occurrence because of this species' broader-scale range dynamics and greater ability to inhabit the landscape matrix. A doubling of park area corresponded to a 47% and 57% increase in projected grizzly bear population persistence in developed and semideveloped landscapes, respectively. A doubling of a park's connectedness index corresponded to a 81% and 350% increase in population persistence in developed and semideveloped landscapes, respectively, suggesting that conservation planning to enhance connectivity may be most effective in the earliest stages of landscape degradation. The park area and connectivity required for population persistence increased as the landscape matrix became more hostile, implying that the relatively small combined area of parks in the boreal forest and other undeveloped regions may fall below the threshold for species persistence if parks become habitat islands. Loss of carnivores from boreal landscapes could further reduce the viability of temperate populations occupying refugia at the southern range margin. Spatially realistic population models may be more informative than simplerpatch-matrix models in predicting the effects of landscape change on population viability across a continuum of landscape degradation.
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 | 0,004 | 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 | 0,000 | 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) | 0,000 | 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 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 ».