MétaCan
Menu
← Retour à la cohorte
Enregistrement W2035471729 · doi:10.1038/srep06012

Rare species occupy uncommon niches

2014· article· en· W2035471729 sur OpenAlexaff
John Markham

Notice bibliographique

RevueScientific Reports · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésEcological nicheBiologyComputational biologyEvolutionary biologyEcologyHabitat

Résumé

récupéré en direct d'OpenAlex

The fact that temperate grasslands often contain upwards of 30 vascular plant species per m(2) yet these species seem to have relatively similar life histories and resource requirements has made explaining species coexistence in these communities a major focus of research. While the reduction of competition by disturbance has been a popular explanation for species coexistence, in tallgrass prairies any level of disturbance either has no effect, or decreases diversity, since it favors the dominant plants. Although there has long been speculation that grassland species could coexist by niche partitioning the concept received renewed interest when it was shown that soil hydrology could explain species coexistence. One aspect of community structure that has not been explained by niche partitioning is the rareness and commonness of species within communities. There are three classes of explanations for rareness: narrow habitat requirements, low competitive ability combined with frequency dependent fitness and, dispersal ability. However, evidence for these explanations tend to be anecdotal, focusing on particular species. Here I show that in tallgrass prairies common and rare species consistently occupy different parts of niche space, with rare species being restricted by the cover of common species and occupying the rare available niches.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,220
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetEcology and Vegetation Dynamics Studies→Travaux en français237 207→