Spatial Variability in Plant Predation Determines the Strength of Stochastic Community Assembly
Notice bibliographique
Résumé
High diversity is often poorly explained by trait-based deterministic models, in part because stochastic processes also influence community assembly. Testing how deterministic and stochastic processes combine to regulate diversity, however, has been limited by the spatial complexity of these interactions. Here, we demonstrate how spatial variability in small-mammal predation on plants, mostly by granivory, results in fine-scale switching between deterministically and stochastically regulated plant community assembly in an otherwise environmentally homogeneous tallgrass prairie. We initiated assembly with the uniform application of a 24-species mixture of prairie grasses and forbs, thereby setting the maximum level of diversity (γ-diversity). In field edges with higher densities of small mammals, traits reducing seed palatability deterministically produced homogeneous subsets of less palatable plant species within the first few months after planting (low α and β diversity). As small-mammal densities decreased in more open areas, assembly unfolded stochastically on the basis of which planted species happened to land at a given location (high α and β diversity). We used randomization models to validate that this higher β diversity was explained by true differences in community structure among plots rather than by the hidden effects of increasing α diversity. The net effect at the site level was a spatially structured array of prairie species, including a positive relationship between diversity and environmental suitability relating to reduced predator intensity.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».