空間的に明白な生態学的モデリングは分散の経験的特性化を改善する【JST・京大機械翻訳】

Karisto, P.; Suffert, F.; Mikaberidze, A.

プレプリント

J-GLOBAL ID：202202213684218989 整理番号：21P0274153

空間的に明白な生態学的モデリングは分散の経験的特性化を改善する【JST・京大機械翻訳】

Spatially explicit ecological modeling improves empirical characterization of dispersal

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月12日プレプリントサーバーでの情報更新日： 2022年03月12日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

分散は重要な生態学的プロセスであるが,測定が困難である。発生源から異なる距離で分散個体の数を記録することにより,分散勾配を得ることができる。分散勾配は分散に関する情報を含むが,それらは発生源の空間範囲に影響される。分散に関する知識を抽出するための2つの貢献を分離できる。1つは,分散勾配が分散カーネルを表す小さな点状源を使用することができ,それは,発生源から destination先点までの個々の分散事象の確率を定量化する。しかし,この近似の妥当性は,伝導測定の前に確立できない。分散勾配から分散カーネルを推定するために,発生源の空間範囲を組み込んだ理論を定式化した。三つの主要な植物病原体に対する公表分散勾配を再解析した。また,このアプローチが生物学的に妥当なシナリオにわたって分散カーネルのより正確な推定を提供することを示した。3つの植物病原体は,従来の推定と比較して,実質的に短い距離にわたって分散すると結論した。この方法を用いて,公開された分散勾配のかなりの割合が再分析され,分散の空間スケールに関する我々の知識を改善した。したがって,著者らの結果は,分類群を横断する分散の特性化における進歩を促進できる。【JST・京大機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

個体群生態学 , 生態学一般

, , ,

前のページに戻る