a Pálmafajok eloszlása és a gyümölcsméret adatai
az összes (~2500) pálmafajra vonatkozó Fajeloszlást a Palms30 Világlistájából (letöltve 2015. június), egy kurált és minőségellenőrzött ellenőrzőlistából nyertük, amely a pálmák és az emlősök jelenlétét biztosítja–hiányadatok a “botanikai országok” skáláján, a nemzetközi munkacsoport meghatározása szerint Rendszertani adatbázisok (TDWG, https://www.tdwg.org/) 31. A botanikai országok általában az országoknak felelnek meg, de a nagyobb országokat Államokra vagy tartományokra osztják (pl. Egyesült Államok), vagy egységes egységekként megtartják a politikailag felosztott koherens földrajzi egységeket (pl. Borneó és Új-Guinea) 31. A pálmák Világellenőrzőlistáját használtuk, nem pedig a fajok előfordulását (azaz csak a globális biodiverzitási információs eszköz, GBIF), mivel ez utóbbi taxonómiailag hiányos (az összes pálmafaj közel 30%-a nem szerepel a GBIF-en keresztül elérhető, 2020 januárjában letöltött rekordok között). Ezenkívül az előfordulási nyilvántartások gyakran földrajzilag és taxonómiailag elfogultak, ami nagy hézagokat és bizonytalanságokat eredményez a növények (beleértve a pálmákat is)globális előfordulási információiban 70.
a 198 botanikai ország közül, ahol pálmák fordulnak elő, csak a három fő biogeográfiai birodalomba tartozókat vettük fel (n = 129), ref. 71: (1) Az Afrotropics, amely magában foglalja az egész Szubszaharai Afrika (n = 51), (2) A Neotropics (n = 42), amely magában foglalja a Közép-és Dél-Amerika és a Karib-térségben, és (3) Indo-Ausztrália (n = 36), amely magában foglalja Indo-Malaya, Ausztrália és Pápua Új-Guinea. Más biogeográfiai régiók (azaz palearktikus, Nearctic és Óceánia) botanikai országait kizárták, mivel vagy depauperate pálmafavirágokkal rendelkeznek, vagy fizikailag annyira elszigeteltek (pl. csendes-óceáni Szigetek), hogy a szórószűrők aránytalanul alakíthatják mind a pálma, mind a frugivore együtteseket. Kizárták azokat a botanikai országokat is, amelyekben a fennmaradt emlős frugivorok már nincsenek jelen, amelyet a takarékevő Emlősök hiánya határoz meg, miután az emlősök földrajzi tartományának térképeit keresztezték a botanikai ország alakú fájllal (lásd alább). Ebből az okból csak egy botanikai országot zártak ki-a Reunion-szigetet, ahol eredetileg két őshonos gyümölcsdenevérfajt pusztítottak ki a szigetről a tizennyolcadik század elején vagy korábban.72.
a gyümölcsméret maximális és medián értékeit minden növénytani országban minden pálmafaj esetében kiszámították. Számszerűsíteni gyümölcs mérete az egyes fajok, használtuk a PalmTraits adatbázis v1.0 (ref. 29), amely az elsődleges szakirodalomból, monográfiákból, fajleírásokból és herbáriumi példányokból gyűjtötte össze a vadon élő populációk tenyérfunkcionális tulajdonságaira vonatkozó adatokat. Pontosabban az átlagos gyümölcshosszat használtuk (nem pedig szélességet vagy átmérőt), mivel ez volt a legkövetkezetesebben rögzített gyümölcsméret-tulajdonság az irodalomban29. A maximális gyümölcsméretet az egyes országokban a pálmák gyümölcsméretének 95. percentiliseként határozták meg, hogy csökkentsék a kiugró értékek hatását. Mivel 519 pálmafaj esetében (a globális pálmafajok gazdagságának~20%-a) nem álltak rendelkezésre adatok a pálmafafajok hosszára vonatkozóan, a veleszületett Fajok átlagát felhasználva pótoltuk a fajok gyümölcshosszának hiányosságait. Ez egy faj esetében nem volt lehetséges, Butyagrus nabonnandii, egy természetesen előforduló steril hibrid, amelyet így kizártunk elemzésünkből. Emellett három fajt—a kókuszdiót (Cocos nucifera) és a coco De mer—t (lodoicea maldivica) és a nipa pálmát (Nypa fruticans) – is kizárunk a vizsgálatból, mivel olyan gyümölcseik vannak, amelyeket az állatok ritkán szórnak szét24. A botanikai országok közötti maximális és medián gyümölcsméretek hasonlóak voltak, amikor a tulajdonságadatok hiányosságait kizárták (Pearson-korrelációs együttható >0,99; kiegészítő ábra. 1).
Takarékevő Fajok eloszlása és testméretadatok
a pleisztocén végi takarékevő kihalások mai makroökológiai kapcsolatokra gyakorolt hatásának meghatározásához két különböző fauna-forgatókönyvet határoztunk meg, amelyek a mai és a késő pleisztocén kori együtteseket ábrázolják-a “jelenlegi” és a “jelenlegi-természetes” forgatókönyveket faurby et al.9. A “jelenlegi” forgatókönyv csak a fennmaradt frugivorokat veszi figyelembe, míg az ellentétes “jelenlegi–természetes” forgatókönyv az utolsó interglaciális (130 Kya) óta az összes frugivort figyelembe veszi, beleértve az összes fennmaradt fajt, valamint a közelmúltban kihalt taxonokat. Bár az éghajlatváltozás szerepet játszhatott néhány ilyen takarékevő kihalásában39, 73, e fajok kihalásának többségét az emberi érkezésnek és tevékenységeknek tulajdonítják39, 40, 74, 75.
mind a fennmaradt, mind a késő pleisztocén–holocén kihalt Emlősök” jelenlegi “és” jelenlegi-természetes ” térbeli eloszlása a taxonómiai és földrajzi tartománytérképeken alapult, amelyeket a PHYLACINE v1.2 adatkészlet76 állított össze. A tartománytérképek Behrmann hengeres egyenlő területű raszterként voltak elérhetők, amelyet ezután botanikai ország sokszögekkel fedtünk le, hogy emlősfajok listáit hozzuk létre, amelyek összehasonlíthatók a tenyér jelenlét–hiány adatkészletével. A PHYLACINE adatkészletben fennmaradt Emlősök jelenlegi tartománytérképei az IUCN tartománytérképein (http://www.iucnredlist.org/) alapultak, minimális módosítással (pl., reprojection). A létező taxonok jelenlegi természetes földrajzi tartományait azonban szisztematikusan értékelték, és módosításokat hajtottak végre, ha erős bizonyíték volt az antropogén hatásra (lásd a kiegészítést A refs-ben. 9,76). Ez magában foglalta az ember által közvetített tartománybővítéseket is, amelyeket az IUCN egyes taxonok tartománytérképei nem korrigálnak. A kihalt taxonok esetében a jelenlegi természetes tartományokat a fosszilis előfordulások és a fennmaradt taxonok eloszlása alapján becsülték meg, amelyek a kihalt taxonok gyakran előfordultak a fosszilis együttesekben9, 76. Ezt olyan rácscellák azonosításával hajtották végre, amelyek a fennmaradt taxonok legalább 50%-át tartalmazták (fosszilis nyilvántartással), amelyek együtt fordultak elő egy kihalt taxonnal a fosszilis együttesekben/helyszíneken (adatforrások és a módszertan további részletei A refs-ben. 9,76). A nulla elfoglalt rácscellákkal rendelkező tartománytérképeket (például olyan fajokat, amelyek tartományait az IUCN nem térképezte fel) kizártuk elemzésünkből. Az egyes botanikai országok emlősellenőrző listáit manuálisan is megvizsgálták, hogy kijavítsák azokat a hibákat, amelyeket néha a tartománytérképek durva felbontása miatt vezettek be (pl., a szárazföldi taxonok hamis jelenléte a szárazföldi partvonalakhoz közeli szigeteken).
a MammalDIET adatkészletét77 használtuk a fennmaradt fajok azonosítására, amelyek elsődlegesen vagy másodlagosan takarékosak voltak. A binomiális nevek szinonimáit az Emlősdiéta adatkészletében az IUCN vörös listájával korrigáltuk taxonómiai ref. 78. Kihagyták azokat a fajneveket, amelyeket nem lehetett összeegyeztetni a filacinadatkészlet taxonómiájával, csakúgy, mint azokat a taxonokat, amelyek tartományai nem voltak átfedésben egyetlen fennmaradt pálmataxonéval sem. Közvetett bizonyítékok alapján határoztuk meg, hogy a kihalt Emlősök milyen mértékben voltak takarékosak, mivel a takarékosság nem kapcsolódik egyértelműen olyan morfológiai jellemzőkhöz, mint a fogazat79. Felismerve ezt a bonyolultságot, három takarékoskodó osztályozást vettünk figyelembe, különböző mértékű konzervativitással. A “liberális” osztályozásunk szerint minden kihalt taxont takarékosnak minősítettünk, ha a taxon túlnyomórészt növényevő volt. Ez a meghatározás magában foglalja a kötelező legelőket, amelyek vetőmag-diszpergálóként szolgálhatnak, de valószínűleg csak kisebb gyümölcskomponensük van étrendjükben a nongrazerekhez képest. A mi “konzervatív” besorolás, mi is csak egy kihalt taxon, mint egy frugivore, ha tartozott családok, ahol 50% – a fennmaradt Fajok túlnyomórészt frugivorous. Ez a meghatározás, ellentétben a liberális besorolással, kizárja a legtöbb legelőt, de sok potenciális takarékevő is, főleg azért, mert a fennmaradt rokonok rossz analógok lehetnek, mivel a kihalt rokonok testméretükben és így táplálkozási ökológiájukban nagymértékben eltérhetnek, mint például a nagy diprotodont (kenguruk) és pilosan (földi lajhárok) növényevők (kiegészítő táblázat 7). A köztes” alapértelmezett ” osztályozáshoz olyan családokból származó taxonokat vettünk fel, amelyekben a frugivorok aránya határos (40%). Ezenkívül olyan kihalt taxonokat is bevontunk, amelyek olyan családokból vagy rendekből származnak, amelyek nem rendelkeznek fennmaradt fajokkal (pl. litopternidák és toxodonok), vagy olyan családokból származnak, ahol a fennmaradt taxonok gyenge analógjai lehetnek a kihalt taxonok étrendjének, ha a rendelkezésre álló paleontológiai bizonyítékok (pl. izotópos és fogászati mikrovezeték) arra utalnak, hogy a taxon böngésző vagy vegyes adagoló lehetett. E meghatározás szerint a földi lajhárok80, litopternids81, 82,toxodons80, 83, néhány lófélék—a Hippidion nemzetség tagjai,de nem az Equus80, néhány cingulids80, 84, néhány diprotodonts (macropodids, de nem Vombatidae és Diprotodontidae)85, valamint a murid rágcsálók feltételezett frugivores (kiegészítő ábra. 4, Kiegészítő Táblázat 7).
a jelenlegi forgatókönyv szerint minden botanikai országra kiszámítottuk a közepes és a maximális frugivore testméretet (itt a 95.percentilis). A jelenlegi-természetes forgatókönyv esetében ezt a három kihalt frugivore osztályozás külön-külön hajtottuk végre. A testméretre (azaz a testtömegre) vonatkozó információkat a FILACIN adatkészletből nyertük. Összességében az 1930-as emlősdiéta-adathalmazban a rendszertani egyeztetés után fennmaradt takarékevő taxonok közül az 1759–es, illetve az 1772-es fennmaradt taxonok jelenlegi, illetve jelenlegi természetes tartományait vesszük figyelembe. Összesen 177 pleisztocén feltételezett takarékevő és 23 kihalt vagy a vadonban kihalt taxon került be a jelenlegi természetes forgatókönyvbe.
környezeti adatok
mivel a gyümölcsméret az éghajlat és/vagy a múltbeli éghajlatváltozás nagymértékű változásait is tükrözheti37, az utolsó glaciális Maximum (LGM, ~21 Kya) óta bekövetkezett átlagos éghajlat és éghajlatváltozás értékeit minden botanikai országra kiszámították ArcGIS-ben (version 10.1, ESRI, Redlands, CA, USA). Ez úgy történt, hogy a botanikai vidéki sokszögeket átfedték a megfelelő éghajlati raszterekkel, és figyelembe vették az átfedő rasztersejtek átlagát. A CHELSA adatbázist86 használtuk mind az aktuális, mind az LGM klímához (v1.2, 30 ív másodperces felbontás), amelynek előnyei vannak a Worldclim data87-rel szemben, mivel a CHELSA algoritmus korrekciókat alkalmaz a csapadék finom léptékű orográfiai hatásaira.
a jelenlegi éghajlatra vonatkozóan hat bioklimatikus változóra összpontosítottunk: átlagos éves hőmérséklet, hőmérsékleti szezonalitás, a leghidegebb negyedév átlaghőmérséklete, éves csapadék, csapadék szezonalitás és a legszárazabb negyedév csapadékmennyisége. Mivel ezek közül a bioklimatikus változók közül néhány erősen kollineáris egymással, és mivel elsősorban a jelenlegi éghajlat viszonylagos jelentősége érdekelt minket, nem pedig a specifikus éghajlati változók hatása önmagában, összefoglaltuk a hat bioklimatikus változó variációját egy főkomponens-elemzés (PCA) segítségével, és az első három főkomponenst éghajlati előrejelző változóként használtuk. Ezt globális szinten és minden biogeográfiai régióban (“Afrotropics”, “Neotropics” és “Indo-Australia”) külön-külön végezték el. Az első három PCA tengely (“Climate PC”) a bioklimatikus változók változékonyságának több mint 90% – át magyarázta a botanikai országok között mind globális, mind regionális szinten (8.kiegészítő táblázat).
a múltbeli éghajlatra kiszámítottuk az éves csapadékmennyiség változásának nagyságát (“LGM Prec. Anom.”) és az átlagos éves hőmérséklet (“LGM Temp. Anom.”) az egyes botanikai országok Utolsó jeges maximuma óta. Ezt úgy számítottuk ki, hogy a chelsa algoritmus által feldolgozott paleoklíma modellező Intercomparison Project88 (https://pmip3.lsce.ipsl.fr/) 8 különböző GCM modelljeiből kivonjuk a mai éves csapadékmennyiséget és az átlagos éves hőmérsékletet az átlagos éves csapadék együttes átlagából és az éves hőmérsékletből (https://pmip3.lsce.ipsl.fr/): CCSM4, CNRM-CM5, CESS-FGOALS-g2, IPSL-CM5A-LR, MIROC-ESM és MRI-CGCM3. A magasabb értékek tehát az éghajlatváltozás nagyobb nagyságrendjét képviselik az utolsó Jégmaximum óta.
statisztikai elemzések
a frugivore test és a gyümölcs mérete közötti kapcsolat értékeléséhez mind a medián, mind a maximális méretű OLS lineáris modelleket illesztettük a mai (“Climate PC1”, “Climate PC2” és “Climate PC3”) és a múltbeli éghajlat (“LGM Prec. Anom ” és ” LGM Temp. Anom.”), mint prediktor változók, valamint a maximális és a medián frugivore testméret. A jelenlegi és a jelenlegi természetes forgatókönyvekre vonatkozó testméret-becsléseket, valamint az egyes biogeográfiai régiókat külön modellezték. A test – és gyümölcsméret méréseket log-transzformáltuk, hogy javítsuk a maradványok normalitását, és az összes prediktor változót központosítottuk és skáláztuk, egység varianciára standardizálva őket.
a térbeli autokorrelációt térbeli autoregresszív (SAR) modellekkel számoltuk el. SAR hibamodelleket (SARerror) használtunk, amelyekről bebizonyosodott, hogy robusztusabbak, mint a többi SAR modell típus89. A SAR modellek megpróbálják figyelembe venni az adott szomszédsági struktúrán belüli egységek közötti térbeli autokorrelációt. Azonban a botanikai országok szabálytalan távolsága és mérete miatt a szomszédság – vagy távolságalapú szomszédságok nem voltak megfelelőek. Ehelyett meghatároztuk az adott botanikai ország szomszédságát egy befolyási szféra megközelítéssel. Az egyes fókuszegységek befolyási körét úgy definiáljuk, mint egy sugárkört, amely megegyezik a fókuszegység legközelebbi szomszédjának centroidjával. Ahol a két egység hatásköre átfedésben van, a két egységet szomszédoknak tekintik. Ez a szomszédsági meghatározás megfelelőbbnek tűnik a távolság alapú vagy a legközelebbi szomszéd definíciókhoz képest, mivel figyelembe veszi az egyes botanikai országok méretét és geometriáját. A térbeli súlyokat sorban szabványosították. A környékeket, a térbeli súlyokat és a térbeli SAR modelleket a ‘spatialreg’ r csomag v. 1.1–3 (ref. 90), továbbá Moran I tesztjeivel teszteltük a fennmaradó térbeli autokorrelációt.
többmodell-átlagolási megközelítést alkalmaztunk az egyes prediktorváltozók hatásméreteinek becslésére a jelölt modellek halmazán91. A modell átlagolásának elsődleges előnye, hogy figyelembe veszi a modell bizonytalanságát a jelölt modellek halmazában,ellentétben a hagyományosabb lépésenkénti modellválasztási megközelítésekkel, amelyek megpróbálják azonosítani az egyetlen legjobb modellt92, 93. Jelölt modelljeinket a szokásos legkisebb négyzetek (OLS) lineáris regressziós modellek halmazaként határoztuk meg, válaszváltozóként a log-transzformált pálmagyümölcs méretével, mindegyik modell kovariánsként tartalmazza a log-transzformált frugivore testméret, a mai éghajlat és a múltbeli éghajlatváltozás eltérő kombinációját. Az egyes prediktorváltozók hatásméreteit ezután az összes jelölt modell együtthatóértékeinek átlagolásával számítottuk ki, súlyozva az egyes modellek statisztikai támogatásának összegével (azaz az Akaike súlyával) 91. A modellválasztás torzításának a modell átlagolt együtthatókra gyakorolt hatásának csökkentése érdekében a prediktor változó együtthatójának értékét egy olyan modellben, ahol nincs, nullára állították91, 92. Ez biztosítja, hogy a prediktorok hatásméretei, amelyek csak alacsony Akaike súlyú modellekben vannak, le vannak súlyozva92. Az Akaike súlyokat a kis mintaméretre (AICC) korrigált AIC értékek felhasználásával számítottuk ki. A prediktor változók közötti korreláció általában alacsony volt (kiegészítő ábra. 3), valamint a teljes OLS modellekben (azaz az összes prediktor változót tartalmazó modellekben) az összes prediktor változó varianciainflációs tényezője többnyire 4 alatt volt. A kollinearitásnak a modell-átlagoló becslésekre gyakorolt hatásának csökkentése érdekében a modell-átlagolt együtthatókat is kiszámítottuk, ahol az együtthatókat a 32,93 átlagolás előtti részleges szórásukkal standardizálták (2.és 5. Kiegészítő táblázat). Mind az OLS, mind a SAR modellek modellátlagolását a ‘kotró’ és a ‘modell segítségével végeztük.avg ‘funkciók a’ MuMIn ‘ r csomag v. 1.42.1 (ref. 94). Az OLS-modellek együtthatóinak szabványosítását a modell átlagolása előtt úgy hajtottuk végre, hogy a ‘Beta’ argumentumot ‘kotró’ értékre állítottuk partial.sd’.
a modell átlagolt standardizált hatásméreteken kívül összehasonlítjuk a testméret magyarázó erejét a “jelenlegi” és a “jelenlegi-természetes” forgatókönyvek között. Mivel az Akaike súlyok összege91 kimutatták,hogy a változó fontosságának inkonzisztens mutatója93, 95, ehelyett kiszámítottuk az előrejelző változók között lebomlott variancia arányát96, amint azt a R csomag ‘relaimpo’ (v2.2-3)97. Az egyszerűség kedvéért ezt Teljes OLS és SAR modelleken hajtották végre, nem pedig a modell-átlagolási eljárás során tesztelt összes modellen. A SAR modellekben a prediktor változókkal magyarázott variancia arányának meghatározásához, miután a térbeli autokorrelációt figyelembe vették, először egy csak elfogó kifejezéssel rendelkező térbeli modellt illesztettek be, majd a csak elfogó térbeli modell maradványaiban a variancia arányát magyarázták, majd egy teljes OLS modellt az összes prediktor változóval illesztettek a maradványokhoz. Tekintettel arra, hogy a jelenlegi és a jelenlegi természetes forgatókönyvek modelljei csak a testméret-előrejelző változóban különböznek egymástól, mind az R2, mind a pseudo-R2-t biztosítjuk a teljes OLS és SAR modellekhez mindkét forgatókönyv szerint.
a frugivore kihalásának szimulálása
a gyümölcsméret-változások kivetítéséhez egy jövőbeli defaunation forgatókönyv szerint szimuláltuk a frugivore együtteseket, mivel valószínű,hogy az IUCN vörös listájának különböző kategóriáiban lévő fajok globálisan kihalnak a következő 100 évben98, 99. Két különböző kihalási valószínűség-készletet használtunk annak feltárására, hogy az emlős frugivorok potenciálisan milyen mértékű kihalási kockázattal szembesülnek (9.kiegészítő táblázat). Magas defaunációs forgatókönyvet képvisel, Davis et al.99, who lefordította a vörös lista kritériumait100 a veszélyeztetett kategóriákra (azaz kritikusan veszélyeztetett (Cr), veszélyeztetett (EN) és veszélyeztetett (VU)) e kategóriák kihalási arányaira, és extrapolálta ezeket a becsléseket a nem fenyegetett kategóriák arányainak levezetésére (azaz közel fenyegetett (NT) és legkevésbé Aggódó (LC)) azzal a feltételezéssel, hogy az arányok exponenciálisan növekednek a kategória súlyosságával. Az egyes kategóriák kihalási valószínűségeit (Pext) 100 éves időkereten keresztül ezután kiszámítottuk ezen arányok felhasználásával állandó sebességű kihalási folyamat alatt, a következő egyenlet felhasználásával: Pext,i = 1-exp (- rit), ahol ri az IUCN i és t kategóriájú taxonok kihalási aránya megegyezik az idővel (9.kiegészítő táblázat). Ezek az értékek potenciálisan magasak, mivel egységesen alkalmazzák a kihalási kockázat következtetett becsléseit, függetlenül attól, hogy milyen kritériumokat alkalmaztak egy taxonra, és nem veszik figyelembe kifejezetten az élettörténet változását és annak a kihalási kockázatra gyakorolt hatását. Potenciális alacsony defaunációs forgatókönyvként kidolgoztunk egy folyamatos idejű Markov-lánc (CTMC) modellt átmeneti sebesség mátrix (Q) formájában, amelynek elemei a szomszédos Vörös lista kategóriák közötti átmenet pillanatnyi sebességét írják le:
ahol ri, j az IUCN I kategóriából a j kategóriába való átmenet pillanatnyi sebessége.
a CTMC modellünket a maximális valószínűség alapján két adathalmazba illesztettük, amelyek a vörös lista kategóriáinak változásait (vagy azok hiányát) állították össze az összes IUCN által értékelt emlősfajban egy 12 éves időszak alatt101, valamint a patások és a ragadozók egy 33 éves időszak alatt102. Az összes olyan taxont, amelyet a vadonban kihaltnak (EW), kihaltnak (EX) és CE fajnak minősítettek, amelyeket a vadonban esetleg kihaltnak vagy kihaltnak jelöltek (azaz CR (PE) vagy CR (PEW) kategóriák) egyetlen kategóriába sorolták, amelyek feltételezett kihalásokat képviselnek. Az egyszerűség kedvéért ezt a kategóriát az EQ-ban EX-nek jelölték. (1). Azt is feltételeztük, hogy a vörös lista változásai csak a szomszédos rangok között fordulhatnak elő egy adott végtelenül kis időintervallumban, stb. Például ahhoz, hogy egy LC védettségi státusú faj súlyosabb (EN) státusba kerüljön, át kell mennie (bár nem kizárólag) közepes súlyosságú állapotokon (azaz NT és VU). A Di Marco et al.102 adathalmaz, mivel egyetlen feltételezett kihalt taxont sem regisztráltak, amely visszatért volna egy kevésbé súlyos vörös listás kategóriába, a Rex,CR-t 0-ra állították, hogy megakadályozzák a túlillesztést. Ez azt jelentette, hogy az EX állapot elnyelő állapot volt (pl., a taxonok átállhatnak ebbe a kategóriába, de nem abból a kategóriából). Feltételezve, hogy az arányok nem változnak az idő múlásával, az átmeneti sebességmátrix exponenciálisan megadható a kategóriák közötti átmenet valószínűségének megadása tetszőleges ideig t (azaz az átmenet valószínűségi mátrixa, O):
ahol Pi, j (t) annak a valószínűsége, hogy az I státusszal kezdődő taxonok adott idő elteltével J státusszal végződnek t.
ezután feltételeztük, hogy a vörös lista kategóriáinak változásai (vagy azok hiánya) az egyes fajok esetében a CTMC folyamat független megvalósítása. Így az átmeneti sebesség adott halmazának megfigyelésének valószínűsége t időkeretet adva kiszámítható a fajok közötti összetett átmenet valószínűségeként
ahol ni, j azoknak a taxonoknak a száma, amelyek a vörös lista I. kategóriájában kezdődtek és a vörös lista J kategóriájában végződtek a t idő után
mindkét adatkészletre vonatkozó becsléseket az Eq maximalizálásával kaptuk meg. (3) az ‘optim’ függvény használata R-ben. A sebességbecslések robusztusságát paraméteres bootstrapping segítségével teszteltük (kiegészítő ábra. 5). Az egyes kategóriák kihalási valószínűségeit (azaz az EX kategóriába való áttérés valószínűségét egy 100 éves időszak alatt) ezután kiszámítottuk a két adatkészlet maximális valószínűségi aránybecslésének átlagával az Eq használatával. (2) (9. Kiegészítő Táblázat). Ezek az értékek a kihalási kockázat potenciálisan alacsony becslései, mivel a vörös lista státuszának múltbeli változásain alapulnak, míg az antropogén hatások a jövőben fokozódhatnak14.
a kihalást sztochasztikusan szimulálták az összes emlős frugivor esetében 1000-szer, és feljegyezték a botanikai országok maximális testméretét (95.percentilis). Az adathiányosnak minősített fajokat konzervatív módon feltételezték, hogy ugyanolyan kihalási valószínűséggel rendelkeznek, mint az LC státuszúak. A szimulációkhoz, ahol egy botanikai országban az összes emlős frugivor kihalt, a maximális testméretet nullára állították. A szimulációk közötti maximális testméretek átlagértékeit ezután a maximális gyümölcsméret globális OLS modelljeivel együtt használták, az összes éghajlati változó és a frugivore együttesek jelenlegi maximális testméretének felhasználásával, hogy kiszámítsák a gyümölcs méretének előrejelzett változásait egy defaunated forgatókönyv szerint. Ezt az elemzést megismételtük a gyümölcs és a testméret abszolút maximális értékeinek felhasználásával (kiegészítő ábra. 6).
jelentés összefoglaló
a kutatási tervezéssel kapcsolatos további információk a cikkhez kapcsolódó Nature Research Reporting Summary-ban találhatók.