INVESTIGATION OF THE HABITAT AND CLIMATE DRIVERS OF COLLARED PIKA DISTRIBUTION AND VULNERABILITY
Notice bibliographique
Résumé
As environmental conditions continue to change at a rapid rate, understanding habitat requirements and climate vulnerabilities is critical for species conservation. The collared pika (Ochotona collaris), an alpine specialist found in Alaska and northern Canada, faces potential threats from climate change, yet its habitat requirements and responses to environmental change remain poorly understood. In this study, we use existing spatial data, combined with observations from new survey efforts, to 1) identify regional variation in collared pika habitat preferences and climate response, and 2) assess the climate change vulnerability of collared pikas and predict changes in distribution linked to future climate scenarios. To identify habitat preferences, we used a model selection approach, comparing climate and habitat characteristics at known collared pika occurrences to those at surrounding areas. Our analysis indicated that collared pika occurrence is primarily driven by the presence of talus, proximity to the talus edge (with pikas preferring areas closer to vegetation), and talus patch size (with pikas preferring small patches). The rangewide model indicated that collared pika occurrence was positively correlated with maximum winter temperature and negatively correlated with maximum summer temperature, annual precipitation, and solar radiation. While preferences for talus characteristics remained consistent rangewide, the effect of climate variables including precipitation and maximum summer temperature varied regionally. To assess climate vulnerability, we combined trait-based and correlative modeling approaches, with the results suggesting the species has high vulnerability to climate change. Our trait-based assessment indicated that collared pikas are moderately susceptible to climate change due to high exposure to changing conditions, high sensitivity to climatic variables, and low adaptive capacity. To predict future changes in distribution, we employed a presence-background species distribution modeling technique to identify the current climatic niche and projected this model into future climate scenarios. Our models suggest a loss of ~55-70% of climatically suitable areas by 2080. Together, these results inform conservation status and strategies for this species and highlight the importance of conducting regional and species-specific analyses.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».