Should biomass be considered more frequently as a currency in terrestrial arthropod community analyses?
Notice bibliographique
Résumé
Summary Community structure involving large taxonomical groups is frequently used to assess changes in ecosystems along environmental gradients or in response to disturbance. For terrestrial arthropods, abundance is generally used as the response variable in community data analyses; biomass, however, is generally a better indicator of the functionality of a species within a community, as it is strongly correlated with metabolism. In this study, we considered whether biomass should be used more often in community analyses with terrestrial arthropod biodiversity data, particularly when asking questions involving strong functional components. We selected 10 previously published and five unpublished Coleoptera abundance data sets, and produced biomass species‐by‐sample matrices using body length to body mass conversion equations, and then compared the results obtained using commonly used ecological analyses. Correlations between species abundance and biomass varied from strong to poor, depending on the taxa considered and on the sampling method used. We show that abundance and biomass can produce different results in community data analysis and lead to alternative interpretations for data sets with poor abundance to biomass correlations. Synthesis and applications . When dealing with databases showing poor abundance to biomass relationships, the question of the relevance of using biomass instead of abundance emerges, and the choice of the response variable to be used in analyses should be considered carefully. At the very least, when studying terrestrial arthropod biodiversity, one should consider the use of biomass with simple conversion equations that do not require obtaining the mass of individual specimens. This approach may lead to different interpretations. For research questions in which trophic interactions may play an important role, biomass may provide a broader and more accurate picture of the processes driving changes in community structure.
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 | 0,067 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».