Body Size Is a Significant Predictor of Congruency in Species Richness Patterns: A Meta-Analysis of Aquatic Studies
Notice bibliographique
Résumé
Biodiversity losses over the next century are predicted to result in alterations of ecosystem functions that are on par with other major drivers of global change. Given the seriousness of this issue, there is a need to effectively monitor global biodiversity. Because performing biodiversity censuses of all taxonomic groups is prohibitively costly, indicator groups have been studied to estimate the biodiversity of different taxonomic groups. Quantifying cross-taxon congruence is a method of evaluating the assumption that the diversity of one taxonomic group can be used to predict the diversity of another. To improve the predictive ability of cross-taxon congruence in aquatic ecosystems, we evaluated whether body size, measured as the ratio of average body length between organismal groups, is a significant predictor of their cross-taxon biodiversity congruence. To test this hypothesis, we searched the published literature and screened for studies that used species richness correlations as their metric of cross-taxon congruence. We extracted 96 correlation coefficients from 16 studies, which encompassed 784 inland water bodies. With these correlation coefficients, we conducted a categorical meta-analysis, grouping data based on the body size ratio of organisms. Our results showed that cross-taxon congruence is variable among sites and between different groups (r values ranging between -0.53 to 0.88). In addition, our quantitative meta-analysis demonstrated that organisms most similar in body size showed stronger species richness correlations than organisms which differed increasingly in size (radj(2) = 0.94, p = 0.02). We propose that future studies applying biodiversity indicators in aquatic ecosystems consider functional traits such as body size, so as to increase their success at predicting the biodiversity of taxonomic groups where cost-effective conservation tools are needed.
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 | 0,014 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,025 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».