Forecasting the impacts of climate change with non-stationary models of regional population density
Bibliographic record
Abstract
Les prédictions écologiques dans un contexte de changements climatiques sont essentielles pour l'élaboration de plans de gestion de la biodiversité. Par contre, il est important de s'assurer qu'elles sont conçues de manière appropriée puisqu'elles sont scientifiquement infalsifiables. La majorité de ces prédictions utilise des modèles de niche écologique basés sur des corrélations entre la présence ou la densité régionale d'une espèce et des variables environnementales, en supposant que la niche écologique actuelle d'une espèce peut nous permettre d'anticiper sa réaction face à des conditions environnementales différentes. Malgré le nombre important d'études sur le sujet, la plupart d'entre elles se limite à prédire la distribution d'une espèce en fonction de variables climatiques. J'évalue dans cette thèse l'importance de variables non-climatiques dans les modèles de niche écologique de densité régionale. Compte tenu que la densité régionale d'une espèce a une plus grande hétérogénéité spatiale que sa simple présence, j'ai utilisé des régressions pondérées géographiquement (RPG). Ces RPGs sont des modèles de niche écologique qui permettent de visualiser spatialement l'influence des variables utilisées pour modéliser la niche écologique d'une espèce. Mes analyses sont basées sur le castor (Castor canadensis) au Québec et sur les populations humaines (Homo sapiens) aux États-Unis et sur la planète parce que nous avons des données précises tant sur leur densité régionale que sur les facteurs environnementaux qui peuvent influencer leur densité régionale. Les densités régionales du castor étaient fortement influencées par des facteurs non-climatiques selon six modèles de niche écologique fréquemment utilisés. Les RPGs ont été aussi performant que ces six modèles de niche écologique et la représentation spatiale de l'influence des variables utilisées pour décrire la niche écologique du castor est en accord avec nos connaissances écologiques actuelles. Des RPGs basées sur quelques variables climatiques m'ont permis d'expliquer environ la moitié de la variation des densités régionales humaines sur la planète. J'ai créé le premier indice global et quantitatif des vulnérabilités humaines aux changements climatiques en combinant ces RPGs avec des prévisions démographiques des Nations-Unies. Les vulnérabilités prédites par mes modèles sont significativement négativement corrélées avec les émissions de CO2 per-capita; ce qui suggère un risque subjectif inhérent dans les négations internationales sur les changements climatiques. Les tendances démographiques aux États-Unis durant le 20ième siècle étaient plus fortement corrélées avec des variables climatiques qu'avec des variables socio-économiques. De plus, les tendances démographiques régionales ont fait que la température ressentie par les américains a augmenter au cours du dernier siècle. Ces changements de températures ressentie causés par les tendances démographiques régionales sont six fois plus important que les changements de températures d'origine naturelle. Les modèles de niche écologique spatialement non-stationnaire de densité régionale représente un outil important dans le développement de prédictions écologiques dans un contexte de changements climatiques et peuvent contribuer à l'amélioration des politiques d'adaptations aux changements climatiques tant pour la biodiversité que pour les sociétés humaines.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".