Répartition des espèces de palmiers et données sur la taille des fruits
La répartition des espèces pour toutes (~2500) les espèces de palmiers ont été obtenues à partir de la Liste de contrôle mondiale des Palmes30 (téléchargée en juin 2015), une liste de contrôle organisée et vérifiée de qualité qui fournit la présence de palmiers et de mammifères. – données d’absence à l’échelle des « pays botaniques » tels que définis par le Groupe de travail international sur Bases de données taxonomiques (GTDT, https://www.tdwg.org/) 31. Les pays botaniques correspondent généralement à des pays, mais subdivisent les grands pays en États ou provinces (par exemple, les États-Unis) ou conservent des unités géographiques cohérentes qui sont subdivisées politiquement (par exemple, Bornéo et Nouvelle-Guinée) en unités uniques31. Nous avons utilisé la Liste de contrôle mondiale des palmiers plutôt que les occurrences d’espèces (c’est-à-dire les enregistrements de présence uniquement du Global Biodiversity Information Facility, GBIF) car cette dernière est taxonomiquement incomplète (près de 30% de toutes les espèces de palmiers ne sont pas représentées parmi les enregistrements accessibles via GBIF, téléchargés en janvier 2020). De plus, les enregistrements des occurrences sont souvent biaisés géographiquement et taxonomiquement, ce qui entraîne de grandes lacunes et incertitudes dans les informations sur les occurrences mondiales des plantes (y compris les palmiers)70.
Des 198 pays botaniques dans lesquels se trouvent les palmiers, nous n’avons inclus que ceux des trois principaux domaines biogéographiques (n = 129), modifiés à partir de la réf. 71: (1) les régions afrotropiques qui englobent toute l’Afrique subsaharienne (n = 51), (2) les régions néotropiques (n = 42), qui comprennent l’Amérique centrale et l’Amérique du Sud et les Caraïbes, et (3) l’Indo-Australie (n = 36), qui comprend l’Indo-Malaisie, l’Australie et la Papouasie-Nouvelle-Guinée. Les pays botaniques d’autres régions biogéographiques (p. ex. Paléarctique, néarctique et Océanie) ont été exclus car ils ont des flores de palmiers dépaupérées ou sont tellement isolés physiquement (p. ex. îles du Pacifique) que les filtres de dispersion peuvent avoir façonné de manière disproportionnée les assemblages de palmiers et de frugivores. Sont également exclus les pays botaniques pour lesquels les frugivores de mammifères existants ne sont plus présents, déterminés par l’absence de mammifères frugivores après avoir croisé les cartes de l’aire de répartition géographique des mammifères avec le fichier de forme du pays botanique (voir ci-dessous). Un seul pays botanique a été exclu pour cette raison : l’île de la Réunion, où deux espèces indigènes de chauves—souris fruitières ont disparu de l’île au début du XVIIIe siècle ou au début72.
Les valeurs maximales et médianes de la taille des fruits ont été calculées pour toutes les espèces de palmiers de chaque pays botanique. Pour quantifier la taille des fruits pour chaque espèce, nous avons utilisé la base de données PalmTraits v1.0 (réf. 29), qui a compilé des données sur les caractéristiques fonctionnelles des palmiers de spécimens de populations sauvages à partir de la littérature primaire, des monographies, des descriptions d’espèces et des spécimens d’herbier. Plus précisément, nous avons utilisé la longueur moyenne des fruits (plutôt que la largeur ou le diamètre), car il s’agissait du trait de taille de fruit le plus régulièrement enregistré dans la littérature29. La taille maximale des fruits a été définie comme le 95e centile de la taille des fruits des palmiers dans chaque pays afin de réduire l’influence des valeurs aberrantes. Comme les informations sur la longueur des fruits des palmiers n’étaient pas disponibles pour 519 espèces de palmiers (environ 20% de la richesse mondiale en espèces de palmiers), nous avons comblé les lacunes dans la longueur des fruits de ces espèces en utilisant la moyenne des espèces congénères. Cela n’a pas été possible pour une espèce, Butyagrus nabonnandii, un hybride stérile naturel que nous avons donc exclu de notre analyse. De plus, nous excluons trois espèces de la considération — le cocotier (Cocos nucifera) et le coco de mer (Lodoicea maldivica) et le palmier nipa (Nypa fruticans) — car ils ont des fruits rarement dispersés par les animaux24. La taille maximale et la taille médiane des fruits dans les pays botaniques étaient similaires lorsque les lacunes dans les données sur les caractères étaient exclues (coefficient de corrélation de Pearson > 0,99; Fig. supplémentaire. 1).
Distribution des espèces de Frugivores et données sur la taille corporelle
Pour déterminer l’effet des extinctions de frugivores de la fin du Pléistocène sur les relations macroécologiques actuelles, nous avons défini deux scénarios fauniques différents, représentant les assemblages de frugivores tels qu’ils sont aujourd’hui et tels qu’ils étaient au Pléistocène supérieur – les scénarios « actuels » et « naturels actuels » suivant Faurby et al.9. Le scénario « actuel » ne considère que les frugivores existants, tandis que le scénario contrefactuel « actuel–naturel » considère tous les frugivores depuis le Dernier Interglaciaire (130 Kya), y compris toutes les espèces existantes ainsi que les taxons récemment éteints. Bien que le changement climatique ait pu jouer un rôle dans l’extinction de certains de ces frugivores39,73, la majorité des extinctions de ces espèces ont été attribuées à l’arrivée et aux activités humaines 39,40,74,75.
Les distributions spatiales » actuelles » et » naturelles actuelles » des frugivores de mammifères éteints existants et de la fin du Pléistocène à l’Holocène ont été basées sur les cartes de taxonomie et d’aire de répartition géographiques compilées dans l’ensemble de données PHYLACINE v1.276. Les cartes de l’aire de répartition étaient disponibles sous forme de rasters cylindriques à aire égale Behrmann, que nous avons ensuite superposés avec des polygones botaniques de pays pour générer des listes d’espèces de mammifères comparables à l’ensemble de données sur la présence et l’absence de palmiers. Les cartes actuelles de l’aire de répartition des mammifères existants dans l’ensemble de données PHYLACINE étaient basées sur les cartes de l’aire de répartition de l’UICN (http://www.iucnredlist.org/) avec une modification minimale (p. ex., reprojection). Cependant, les aires géographiques naturelles actuelles des taxons existants ont été systématiquement évaluées et des modifications ont été apportées s’il y avait des preuves solides d’impact anthropique (voir Supplémentaire dans refs. 9,76). Cela comprenait également l’expansion de l’aire de répartition par l’homme, que les cartes d’aire de répartition de l’UICN pour certains taxons ne corrigent pas. Pour les taxons éteints, les aires de répartition naturelles actuelles ont été estimées en fonction des occurrences fossiles et de la distribution des taxons existants que les taxons éteints coexistaient fréquemment au sein d’assemblages fossileux9,76. Ceci a été réalisé en identifiant des cellules de grille contenant au moins 50% des taxons existants (avec un registre fossile) qui se sont produits conjointement avec un taxon éteint dans des assemblages / sites fossiles (sources de données et plus de détails sur la méthodologie dans refs. 9,76). Les cartes des aires de répartition avec des cellules de grille occupées à zéro (par exemple, les espèces dont les aires de répartition n’ont pas été cartographiées par l’UICN) ont été exclues de notre analyse. Les listes de contrôle des mammifères pour chaque pays botanique ont également été inspectées manuellement pour corriger les erreurs qui étaient parfois introduites en raison de la résolution grossière des cartes d’aire de répartition (p. ex., fausse présence de taxons continentaux sur des îles proches des côtes continentales).
Nous avons utilisé l’ensemble de données mammaldiet77 pour identifier les espèces existantes qui étaient principalement ou secondairement frugivores. Les synonymes des noms binomiaux dans l’ensemble de données sur les mammifères ont été corrigés à l’aide de la Liste rouge de l’UICN comme référence taxonomique. 78. Les noms d’espèces qui ne pouvaient pas être conciliés avec la taxonomie de l’ensemble de données PHYLACINE ont été omis, tout comme les taxons dont les aires de répartition ne chevauchaient pas celles de tous les taxons de palmiers existants. Nous avons déterminé dans quelle mesure les mammifères éteints étaient frugivores sur la base de preuves indirectes, car la frugivorie n’est pas directement associée à des caractéristiques morphologiques telles que la dentition79. Reconnaissant cette complexité, nous avons examiné trois classifications de frugivores avec divers degrés de prudence. Selon notre classification « libérale », nous avons classé tout taxon éteint comme frugivore si le taxon était principalement herbivore. Cette définition inclut les brouteurs obligatoires qui peuvent servir de disperseurs de graines, mais qui n’ont probablement qu’une plus petite composante de fruits dans leur alimentation par rapport aux non-brouteurs. Dans notre classification « conservatrice », nous n’avons en outre inclus qu’un taxon éteint en tant que frugivore s’il appartenait à des familles où ≥50% des espèces existantes sont principalement frugivores. Cette définition, contrairement à la classification libérale, exclut la plupart des brouteurs mais aussi de nombreux frugivores potentiels, en grande partie parce que les parents existants peuvent être de mauvais analogues, car les parents éteints peuvent varier considérablement en taille corporelle et donc en écologie alimentaire, comme chez les grands herbivores diprotodontes (kangourous) et pilosan (paresseux terrestres) (tableau supplémentaire 7). Pour notre classification intermédiaire « par défaut », nous avons inclus des taxons de familles qui ont une proportion limite de frugivores (≥40%). Nous avons également inclus des taxons éteints qui proviennent de familles ou d’ordres qui n’ont pas d’espèces existantes (par exemple, les litopternidés et les toxodons) ou qui proviennent de familles où les taxons existants peuvent être de mauvais analogues pour le régime alimentaire des taxons éteints, si les preuves paléontologiques disponibles (par exemple, les micro-vêtements isotopiques et dentaires) suggèrent que le taxon pourrait avoir été un navigateur ou un aliment mixte. Selon cette définition, les paresseux terrestres 80, les litopternidés 81, 82, les toxodons 80, 83, certains équidés — membres du genre Hippidion mais pas Equus 80, certains cingulidés 80,84, certains diprotodontes (macropodidés mais pas les Vombatidae et les Diprotodontidae)85, et les rongeurs muridés étaient considérés comme des frugivores putatifs (fig. 4, Tableau supplémentaire 7).
Nous avons calculé la taille corporelle médiane et maximale des frugivores (ici définie comme le 95e centile) pour chaque pays botanique dans le scénario actuel. Pour le scénario naturel actuel, cela a été effectué séparément pour les trois classifications de frugivores éteintes. L’information sur la taille corporelle (c.-à-d. la masse corporelle) a été obtenue à partir de l’ensemble de données sur la PHYLACINE. Au total, sur les 1930 taxons frugivores existants dans l’ensemble de données du MammalDIET après réconciliation taxonomique, nous considérons les gammes actuelles et naturelles actuelles de 1759 et 1772 taxons existants, respectivement. Un total de 177 frugivores putatifs du Pléistocène et 23 taxons éteints ou éteints à l’état sauvage ont également été inclus dans notre scénario naturel actuel.
Données environnementales
La taille des fruits pouvant également refléter une variation à grande échelle du climat et/ou du changement climatique passé37, les valeurs moyennes du climat actuel et du changement climatique depuis le Dernier Maximum glaciaire (LGM, ~21 Kya) ont été calculées pour chaque pays botanique dans ArcGIS (version 10.1, ESRI, Redlands, CA, USA). Cela a été fait en superposant des polygones de pays botaniques avec les rasters climatiques correspondants et en prenant la moyenne des cellules de raster qui se chevauchent. Nous avons utilisé la base de données CHELSA 86 pour le climat actuel et le climat LGM (v1.2, résolution de 30 secondes d’arc), ce qui présente des avantages par rapport aux données Worldclim87 car l’algorithme de CHELSA applique des corrections pour les effets orographiques à échelle fine sur les précipitations.
Pour le climat actuel, nous nous sommes concentrés sur six variables bioclimatiques: température annuelle moyenne, saisonnalité des températures, température moyenne du trimestre le plus froid, précipitations annuelles, saisonnalité des précipitations et précipitations du trimestre le plus sec. Étant donné que certaines de ces variables bioclimatiques sont très colinéaires les unes aux autres et que nous nous intéressions principalement à l’importance relative du climat actuel et non à l’influence de variables climatiques spécifiques en soi, nous avons résumé la variation entre les six variables bioclimatiques à l’aide d’une analyse en composantes principales (ACP) et avons utilisé les trois premières composantes principales comme variables prédictives climatiques. Ceci a été réalisé à l’échelle mondiale et pour chaque région biogéographique (« Afrotropiques », « Néotropiques » et « Indo-Australie ») séparément. Les trois premiers axes de l’APC ( » PC climatique « ) expliquent plus de 90 % de la variabilité des variables bioclimatiques entre les pays botaniques à l’échelle mondiale et régionale (Tableau supplémentaire 8).
Pour le climat passé, nous avons calculé l’ampleur du changement des précipitations annuelles (« LGM Prec. Anom. ») et la température annuelle moyenne (« LGM Temp. Anom. ») depuis le Dernier Maximum glaciaire pour chaque pays botanique. Ceci a été calculé en soustrayant les précipitations annuelles actuelles et la température annuelle moyenne de l’ensemble des précipitations annuelles moyennes et de la température annuelle dans six modèles de GCM différents du Projet d’Intercomparaison de modélisation Paléoclimat88 (https://pmip3.lsce.ipsl.fr/) qui a été traité par l’algorithme de CHELSA: CCSM4, CNRM-CM5, CESS-FGOALS-g2, IPSL-CM5A-LR, MIROC-ESM et MRI-CGCM3. Des valeurs plus élevées représentent donc une ampleur plus élevée du changement climatique depuis le Dernier maximum glaciaire.
Analyses statistiques
Pour évaluer la relation entre le corps des frugivores et la taille des fruits, nous avons ajusté les deux modèles linéaires OLS de taille médiane et maximale en utilisant le climat actuel (« Climat PC1 », « Climat PC2 » et « Climat PC3 ») et le climat passé (« LGM Prec. Anom » et « LGM Temp. Anom. ») comme variables prédictives, ainsi que la taille corporelle maximale et médiane des frugivores, respectivement. Les estimations de la taille corporelle pour les scénarios actuels et naturels actuels, et chaque région biogéographique ont été modélisées séparément. Les mesures de la taille du corps et du fruit ont été transformées en logarithme pour améliorer la normalité des résidus, et toutes les variables prédictives ont été centrées et mises à l’échelle en les normalisant en variance unitaire.
L’autocorrélation spatiale a été prise en compte à l’aide de modèles autorégressifs spatiaux (SAR). Nous avons utilisé des modèles d’erreur SAR (SARerror), qui se sont avérés plus robustes que les autres types de modèle SAR 89. Les modèles SAR tentent de tenir compte de l’autocorrélation spatiale entre les unités d’une structure de voisinage donnée. Cependant, en raison de l’espacement irrégulier et de la taille des pays botaniques dans notre étude, les quartiers adjacents ou basés sur la distance n’étaient pas appropriés. Au lieu de cela, nous avons défini le voisinage d’un pays botanique donné en utilisant une approche de sphère d’influence. La sphère d’influence de chaque unité focale est définie comme un cercle de rayon égal à la distance de l’unité focale au centroïde de son plus proche voisin. Lorsque la sphère d’influence de deux unités se chevauche, les deux unités sont considérées comme voisines. Cette définition de voisinage semble plus appropriée par rapport aux définitions basées sur la distance ou sur le plus proche voisin car elle prend en compte la taille et la géométrie de chaque pays botanique. Les poids spatiaux ont été normalisés en lignes. Les voisinages, les poids spatiaux et les modèles SAR spatiaux ont été implémentés à l’aide du package « spatialreg » R v. 1.1–3 (réf. 90), et nous avons également testé toute autocorrélation spatiale restante en utilisant les tests I de Moran.
Nous avons utilisé une approche de moyenne multi-modèles pour estimer la taille des effets pour chaque variable prédictive dans un ensemble de modèles candidats91. Le principal avantage de la moyenne des modèles est qu’elle tient compte de l’incertitude des modèles pour un ensemble de modèles candidats, contrairement aux approches plus traditionnelles de sélection par étapes des modèles qui tentent d’identifier le modèle le plus optimum92,93. Nous avons défini nos modèles candidats comme l’ensemble des modèles de régression linéaire des moindres carrés ordinaires (OLS) avec la taille des fruits de palmier transformés en logarithme comme variable de réponse, chaque modèle contenant une combinaison différente de la taille corporelle des frugivores transformés en logarithme, du climat actuel et du changement climatique passé comme covariables. Les tailles d’effet pour chaque variable prédictive ont ensuite été calculées en faisant la moyenne des valeurs de coefficients pour tous les modèles candidats pondérés par la quantité de support statistique de chacun de ces modèles (c.-à-d. le poids Akaike)91. Pour réduire l’impact du biais de sélection du modèle sur les coefficients moyennés par le modèle, la valeur du coefficient d’une variable prédictive dans un modèle où elle est absente a été fixée à zéro91,92. Cela garantit que les tailles d’effet des prédicteurs qui ne sont que dans les modèles avec des poids Akaike faibles sont sous-pondérées92. Les poids Akaike ont été calculés à l’aide des valeurs de l’AIC qui ont été corrigées pour la petite taille de l’échantillon (AICc). La corrélation entre les variables prédictives était généralement faible (fig. 3), et les facteurs d’inflation de la variance pour toutes les variables prédictives dans les modèles OLS complets (c.-à-d. les modèles contenant toutes les variables prédictives) étaient pour la plupart inférieurs à 4. Pour réduire l’influence de la colinéarité sur les estimations de la moyenne du modèle, nous avons également calculé des coefficients moyennés dans le modèle où les coefficients ont été normalisés par leurs écarts types partiels avant la moyenne32,93 (tableaux supplémentaires 2 et 5). Le calcul de la moyenne des modèles OLS et SAR a été effectué à l’aide des modèles « drague » et « drague ».fonctions avg’ du paquet ‘MuMIn’ R v. 1.42.1 (réf. 94). La normalisation des coefficients des modèles OLS avant la moyenne du modèle a été effectuée en définissant l’argument « bêta » dans « drague » sur « partial.sd ‘.
En plus des tailles d’effets standardisées moyennées par le modèle, nous comparons le pouvoir explicatif de la taille corporelle dans les scénarios « actuels » et « naturels présents « . Comme il a été démontré que la somme des poids d’Akaike 91 est une métrique incohérente d’importance variable 93,95, nous avons plutôt calculé la proportion de variance décomposée entre les variables prédictives 96, telle qu’implémentée dans le paquet R ‘relaimpo’ (v2.2-3)97. Pour simplifier, cela a été effectué sur des modèles OLS et SAR complets et non sur tous les modèles testés dans la procédure de calcul de la moyenne des modèles. Pour déterminer la proportion de variance expliquée par les variables prédictives dans les modèles SAR après que l’autocorrélation spatiale a été prise en compte, un modèle spatial avec juste un terme d’interception a d’abord été ajusté, puis la proportion de variance dans les résidus du modèle spatial à interception uniquement expliquée et un modèle OLS complet avec toutes les variables prédictives a ensuite été ajusté aux résidus. Étant donné que les modèles pour les scénarios actuels et naturels ne diffèrent que par la variable prédictive de la taille du corps, nous fournissons à la fois R2 et pseudo–R2 pour les modèles OLS complets et SAR dans les deux scénarios.
Simulation de l’extinction des frugivores
Pour projeter les changements de taille des fruits dans un scénario de défaunation future, nous avons simulé des assemblages de frugivores en fonction des probabilités que des espèces appartenant à différentes catégories de la Liste rouge de l’UICN disparaîtront globalement dans les 100 prochaines années98,99. Nous avons utilisé deux ensembles différents de probabilités d’extinction pour explorer la gamme de magnitude du risque d’extinction auquel les frugivores mammifères sont potentiellement confrontés (tableau supplémentaire 9). Représentant un scénario de défaunation élevée, nous avons utilisé des probabilités d’extinction dérivées par Davis et al.99, qui a traduit les critères de la Liste rouge100 pour les catégories menacées (c’est-à-dire en danger critique d’extinction (CR), En Danger (EN) et Vulnérable (VU)) en taux d’extinction pour ces catégories, et a extrapolé ces estimations pour dériver les taux pour les catégories non menacées (c’est-à-dire Quasi menacées (NT) et Préoccupation mineure (LC)) en supposant que les taux augmenteront de façon exponentielle avec la gravité de la catégorie. Les probabilités d’extinction (Pext) pour chaque catégorie sur une période de 100 ans ont ensuite été calculées à l’aide de ces taux selon un processus d’extinction à taux constant à l’aide de l’équation suivante: Pext, i = 1-exp (-rit), où ri est le taux d’extinction pour un taxon de la catégorie i de l’UICN et t est égal au temps (Tableau supplémentaire 9). Ces valeurs sont potentiellement élevées car elles appliquent uniformément les estimations inférées du risque d’extinction, quels que soient les critères qui ont été appliqués à un taxon, et ne tiennent pas explicitement compte de la variation du cycle biologique et de son effet sur le risque d’extinction. En tant que scénario de faible défaunation potentielle, nous avons développé un modèle de chaîne de Markov en temps continu (CTMC) sous la forme d’une matrice de taux de transition (Q), dont les éléments décrivent les taux instantanés de transition entre les catégories de la liste rouge adjacentes:
où ri, j est le taux instantané de transition de la catégorie i de l’UICN à la catégorie j.
Nous avons adapté notre modèle CTMC en utilisant le maximum de vraisemblance à deux ensembles de données compilant les changements (ou leur absence) dans les catégories de la Liste rouge pour toutes les espèces de mammifères évaluées par l’UICN sur une période de 12 ans101, ainsi que pour les ongulés et les carnivores sur une période de 33 ans102. Tous les taxons qui ont été classés comme des espèces éteintes à l’état sauvage (EW), Éteintes (EX) et CE qui ont été signalés comme possiblement éteints ou éteints à l’état sauvage (c.-à-d. les catégories CR (PE) ou CR (PEW)) ont été regroupés en une seule catégorie représentant les extinctions putatives. Pour plus de simplicité, cette catégorie a été désignée EX dans Eq. (1). Nous avons également supposé que les changements dans la liste rouge ne peuvent se produire qu’entre les rangs adjacents à un intervalle de temps infiniment petit donné, Δt. Par exemple, pour qu’une espèce de statut de conservation LC passe à un statut plus sévère (EN), elle doit passer (mais pas exclusivement) par des statuts de gravité intermédiaire (c.-à-d., NT et VU). Pour les Di Marco et coll.102 ensemble de données, puisqu’aucun taxon apparemment éteint n’a été enregistré pour être revenu à une catégorie de liste rouge moins sévère, rEX, CR a été mis à 0 pour éviter le surajustement. Cela signifiait que l’état EX était un état absorbant (i.e., les taxons peuvent passer dans cette catégorie mais pas de cette catégorie). En supposant que les taux ne varient pas dans le temps, la matrice de taux de transition peut être exponentiée pour donner des probabilités de transition entre les catégories pour toute quantité de temps arbitraire t (c’est-à-dire la matrice de probabilité de transition, P):
où Pi, j(t) est la probabilité qu’un taxon commençant par le statut i se retrouve avec le statut j après un laps de temps t donné.
Nous avons ensuite supposé que les changements (ou leur absence) dans les catégories de la liste rouge pour chaque espèce étaient une réalisation indépendante d’un processus CTMC. Ainsi, la probabilité d’observer un ensemble donné de changements de taux de transition compte tenu d’une période t, pourrait être calculée comme la probabilité de transition composée d’une espèce à l’autre
où ni, j est le nombre de taxons qui ont commencé dans la catégorie i de la Liste rouge et se sont terminés dans la catégorie j de la Liste rouge après le temps t
Les estimations de taux pour les deux ensembles de données ont été obtenues en maximisant le Qe. (3) utilisation de la fonction ‘optim’ dans R. La robustesse des estimations de taux a été testée à l’aide d’un amorçage paramétrique (Fig. 5). Les probabilités d’extinction pour chaque catégorie (c.-à-d. la probabilité de passer à la catégorie EX sur une période de 100 ans) ont ensuite été calculées à l’aide de la moyenne des estimations du taux de probabilité maximale pour les deux ensembles de données à l’aide du Qe. (2) (Tableau supplémentaire 9). Ces valeurs sont potentiellement des estimations faibles du risque d’extinction, car elles sont basées sur des changements passés dans le statut de la liste rouge, alors que les impacts anthropiques pourraient s’intensifier à l’avenir14.
L’extinction a été simulée de manière stochastique pour tous les frugivores mammifères 1000 fois et la taille corporelle maximale (95e centile) des pays botaniques a été enregistrée. Les espèces classées comme étant déficientes en données ont été présumées prudemment avoir la même probabilité d’extinction que celles du statut LC. Pour les simulations où tous les frugivores mammifères d’un pays botanique ont disparu, la taille maximale du corps a été fixée à zéro. Les valeurs moyennes des tailles corporelles maximales dans les simulations ont ensuite été utilisées en conjonction avec des modèles OLS globaux de taille maximale des fruits paramétrés en utilisant toutes les variables climatiques et la taille corporelle maximale actuelle des assemblages de frugivores, pour calculer les changements projetés de taille des fruits dans un scénario par défaut. Cette analyse a été répétée en utilisant des valeurs maximales absolues de fruit et de taille corporelle (fig. 6).
Résumé des rapports
De plus amples informations sur la conception de la recherche sont disponibles dans le Résumé des rapports de recherche sur la nature lié à cet article.