Riparian forests of <scp>S</scp>outhwest <scp>E</scp>urope: are functional trait and species composition assemblages constrained by environment?
Notice bibliographique
Résumé
Abstract Questions What are the species and functional trait composition of riparian forests in near‐natural Southwest European rivers? Are functional trait and species assemblages constrained by environment? Location Near‐natural riparian habitats throughout mainland Portugal, Southwest Europe. Methods We collected data on riparian woody abundances and environmental variables from 175 river locations. Twenty‐eight key functional traits were assigned to the surveyed species. Hierarchical clustering and indicator species analysis were used to derive compositional and functional groups of sites. We used Mantel tests to relate species and trait abundances and environmental gradients, and identified sets of relevant variables at diverse spatial scales. Then, four Dispersion indicators were developed to assess the extent to which the groups are constrained by the environment. These measures were tested for significance using iteration procedures. Results Clustering revealed four compositional groups of sites: Alder woods, Ash woods, Tree–heath shrublands and Semi‐arid shrublands; and three functional groups: Mixed riparian forests, Shrublands with fleshy fruits and Stress‐tolerant shrublands. These groups were primarily defined by broad‐scale gradients of climate, elevation and river hierarchy. The most dispersed groups had broad trait composition (e.g. Mixed riparian forests) and were floristically diverse (Alder woods). In general, the compositional groups were more closely related to environmental gradients than the functional groups. Conclusions Assemblages with very specific functional traits or with homogeneous species composition were largely constrained to the most extreme environmental conditions in the study area. Future research to assist environmental management should be directed to the role of fine‐scale environmental determinants of riparian assemblages, especially those related to flow variability and water stress.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».