Linking ecological processes with spatial and non‐spatial patterns in plant communities
Notice bibliographique
Résumé
Summary 1. Attempts to infer underlying ecological process from observed patterns in ecology have been widespread, but have generally relied on first‐order (non‐spatial) community characteristics such as the species abundance distribution (SAD). This measure has become an important test of several theories of species coexistence, but has proved unsuccessful in distinguishing between them. 2. Spatially explicit data are increasingly available for a range of ecological communities, and analysis methods for these data are well developed. However, relatively little work has investigated the potential of these data for similar inference about mechanisms of coexistence. 3. In this study, we systematically investigate the spatial and non‐spatial signals of simulated ecological processes. We include neutral, niche, lottery, Janzen–Connell and heteromyopia models, deriving and comparing first‐ and second‐order measures for the patterns they generate. 4. We find that the SAD is unable to distinguish reliably between underlying models, with random variation in its shape concealing any systematic differences. 5. A new second‐order summary measure of spatial structure derived in this paper, in contrast, proves highly sensitive to the type of ecological interaction being modelled, and is robust to random variation. 6. Synthesis. A simple summary measure of the spatial structure of plant communities is presented and found to be a more powerful indicator of underlying process in simulated data than a widely used first‐order measure, the SAD. The potential for answering important ecological questions using spatial statistics, particularly concerning mechanisms of coexistence in diverse communities, appears to be great.
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 ».