A conceptual framework for the spatial analysis of functional trait diversity
Notice bibliographique
Résumé
Functional trait diversity is a popular tool in modern ecology, mainly used to infer assembly processes and ecosystem functioning. Patterns of functional trait diversity are shaped by ecological processes such as environmental filtering, species interactions and dispersal that are inherently spatial, and different processes may operate at different spatial scales. Adding a spatial dimension to the analysis of functional trait diversity may thus increase our ability to infer community assembly processes and to predict change in assembly processes following disturbance or land‐use change. Richness, evenness and divergence of functional traits are commonly used indices of functional trait diversity that are known to respond differently to large‐scale filters related to environmental heterogeneity and dispersal and fine‐scale filters related to species interactions (competition). Recent developments in spatial statistics make it possible to separately quantify large‐scale patterns (variation in local means) and fine‐scale patterns (variation around local means) by decomposing overall spatial autocorrelation quantified by Moran's coefficient into its positive and negative components using Moran eigenvector maps (MEM). We thus propose to identify the spatial signature of multiple ecological processes that are potentially acting at different spatial scales by contrasting positive and negative components of spatial autocorrelation for each of the three indices of functional trait diversity. We illustrate this approach with a case study from riparian plant communities, where we test the effects of disturbance on spatial patterns of functional trait diversity. The fine‐scale pattern of all three indices was increased in the disturbed versus control habitat, suggesting an increase in local scale competition and an overall increase in unexplained variance in the post‐disturbance versus control community. Further research using simulation modeling should focus on establishing the proposed link between community assembly rules and spatial patterns of functional trait diversity to maximize our ability to infer multiple processes from spatial 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 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) | 0,001 | 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 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 ».