Quantifying relationships between traits and explicitly measured gradients of stress and disturbance in early successional plant communities
Notice bibliographique
Résumé
Questions: How can one explicitly quantify, and separately measure, stress and disturbance gradients? How do these gradients affect functional composition in early successional plant communities and to what extent? Can we accurately predict trait composition from knowledge of these gradients? Location: Southern Quebec, Canada. Methods: Using eight environmental variables measured in 48 early successional plant communities, we estimated stress and disturbance gradients through structural equation modelling. We then measured 10 functional traits on the most abundant species of these 48 communities and calculated their community-level mean and variance weighted by the relative abundance of each species. Finally, we related these community-weighted means and variances to the estimated stress and disturbance gradients using general linear models or generalized additive models. Results: We obtained a well-fitting measurement model of the stress and disturbance gradients existing in our sites. Of the 10 studied traits, only average plant reproductive height was strongly correlated with the stress (r2=0.464) and disturbance (r2=0.543) gradients. Leaf traits were not significantly related to either the stress or disturbance gradients. Conclusions: The well-fitting measurement model of the stress and disturbance gradients, combined with the generally weak trait–environment linkages, suggests that community assembly in these early successional plant communities is driven primarily by stochastic processes linked to the history of arrival of propagules and not to trait-based environmental filtering.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».