Quantifying the importance of regional and local filters for community trait structure in tropical and temperate zones
Notice bibliographique
Résumé
The influence of regional and local processes on community structure is a major focus of ecology. Classically, ecologists have used local-regional richness regressions to evaluate the role of local and regional processes in determining community structure, an approach that has numerous flaws. Here, we implemented a novel trait-based approach that treats local and regional influences as a continuum, rather than a dichotomy. Using hylid frogs (Hylidae), we compared trait dispersion among members of local species assemblages to the trait dispersion in the regional assemblage from which they were drawn. Similarly, we compared trait dispersion in the regional assemblages to dispersion in the continental species pool. We estimated the contributions of local and regional filters, and we compared their strength in temperate and tropical zones. We found that regional and local filters explained 80% of the total variation among local assemblages in community body size dispersion. Overall, regional filters reduced trait dispersion, and local filters increased it, a pattern driven by particularly strong antagonistic effects in temperate zones that reduced the realized total variation by more than 40%. In contrast, local and regional filters acted in concert in tropical regions. Patterns within the tropics did not differ from the random expectation based on a null model, but within the temperate zone, local community filtering was stronger than expected by chance. Furthermore, in temperate regions, antagonistic regional and local filtering masked from 76% to 90% of the total variation in trait dispersion. Together, these results suggest that there are fundamental differences in the scale and identity of the processes determining community structure in temperate and tropical regions.
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 ».