Plant traits, species pools and the prediction of relative abundance in plant communities: a maximum entropy approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Questions: To what extent can Shipley et al.'s original maximum entropy model of trait-based community assembly predict relative abundances of species over a large (3000 km2) landscape? How does variation in the species pool affect predictive ability of the model? How might the effects of missing traits be detected? How can non-trait-based processes be incorporated into the model? Location: Central England. Material and Methods: Using 10 traits measured on 506 plant species from 1308 1-m2 plots collected over 3000 km2 in central England, we tested one aspect of Shipley et al.'s original maximum entropy model of “pure” trait-based community assembly (S1), and modified it to represent both a neutral (S2) and a hybrid (S3) scenario of community assembly at the local level. Predictive ability of the three corresponding models was determined with different species pool sizes (30, 60, 100 and 506 species). Statistical significance was tested using a distribution-free permutation test. Results: Predictive ability was high and significantly different from random expectations in S1. Predictive ability was low but significant in S2. Highest predictive ability occurred when both neutral and trait-based processes were included in the model (S3). Increasing the pool size decreased predictive ability, but less so in S3. Incorporating habitat affinity (to indicate missing traits) increased predictive ability. Conclusions: The measured functional traits were significantly related to species relative abundance. Our results both confirm the generality of the original model but also highlight the importance of (i) taking into account neutral processes during assembly of a plant community, and (ii) properly defining the species pool.
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.
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 | 0,002 | 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 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| 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 découle