Unraveling the Interplay of Community Assembly Processes Acting on Multiple Niche Axes across Spatial Scales
Notice bibliographique
Résumé
How the relative importance of community assembly processes varies with spatial scale is the focus of intensive debate, in part because inferring the scales at which specific niche-based processes act is difficult. One obstacle is that standard phylogenetic and functional diversity metrics may integrate the signals of multiple processes when combining separate niche axes into one variable (multiple-niche-axis metrics), potentially obscuring overlapping niche-based processes. We use simulations to evaluate the power of these metrics to detect competition and habitat filtering when these processes operate across multiple niche axes and vary in their relative importance. We then test for both processes at a range of spatial scales in a Neotropical bird assemblage. Simulations revealed that multiple-niche-axis metrics had low power to detect competition and habitat filtering when a mix of both processes acts across niche axes, whereas metrics focused on single-niche axes were better able to deal with this complexity. We found the same contrast in bird communities, where both competition and habitat filtering were detected at the scale of individual territories, but only by single-niche-axis metrics focused on specific niche axes (e.g., foraging traits). Our results suggest that multiple-niche-axis metrics may produce misleading evidence that niche-based processes are partitioned, particularly across scales, and highlight the importance of analyzing functional diversity patterns on individual niche axes when testing assembly models.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».