Dissimilarity measurements and the size structure of ecological communities
Notice bibliographique
Résumé
Summary Measurements of community resemblance in ecology are often based on species composition, and the starting point for calculations is usually a site‐by‐species data table. However, resemblance measurements may not be sufficiently accurate when communities are described using species composition only. Characteristics such as the size of their constituting organisms are also important to understand community organization. Here, we provide a framework that generalizes conventional resemblance measurements by incorporating the size structure of the compared communities. We first introduce the concept of cumulative abundance profile, which generalizes traditional species abundance values, and describe how to calculate it. We then explain our approach to compare cumulative abundance profiles in community resemblance measurements and use a small simulation study to determine which resemblance coefficients appropriately deal with compositional and structural differences. After that, we present an illustrative example where we study the structural and compositional variation between and within six Douglas‐fir forest plots in British Columbia, Canada. According to our investigations, the generalizations we suggest for the percentage difference (alias Bray–Curtis dissimilarity) and the Ružička coefficients are appropriate to measure community resemblance in terms of size structure, species composition or both. Our framework allows community resemblance to be measured in terms of either size structure or species composition, or both. A broad range of applications is expected. In the case of terrestrial plant communities, potential applications include analyses of community dynamics and classification of vegetation.
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 ».