A re‐examination of the expected effects of disturbance on diversity
Notice bibliographique
Résumé
Disturbance is often cited as one of the main factors determining patterns of species diversity. Several models have predicted qualitatively that species richness should be highest at intermediate intensities and/or frequencies of disturbances, but none indicate whether this effect should be strong (statistically accounting for much variability in diversity) or only subtle. Empirical evidence on the point is very mixed. This study examines Markov models of the dynamics of six real communities. We derive the predicted changes in species richness and evenness when these communities are subjected to quantified disturbance frequency and intensity gradients. We also use several different sampling intensities (i.e. numbers of individuals counted) to determine how this affects richness‐disturbance relationships. Our models predict that peaked responses of diversity to disturbance should be less common than monotonic ones. Species richness should vary, on average, by only 3% over gradients of no disturbance to complete disturbance. In the most extreme case, richness varied two‐fold over this gradient. Moreover, richness may increase monotonically, decrease monotonically, or be a peaked function of disturbance, interacting in a non‐intuitive fashion with both the sampling intensity and the community in question. These results are broadly consistent with a review of published richness‐disturbance relationships. Evenness varies somewhat more strongly along disturbance gradients, but the effect is still small. We conclude that extant models provide little reason to believe that disturbance should play more than a subtle role in determining patterns of diversity in nature, contrary to most contemporary literature.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».