A link between plant traits and abundance: evidence from coastal California woody plants
Notice bibliographique
Résumé
Summary 1. A number of recent studies have demonstrated that plant traits play a crucial role in determining the success or failure of species in a given environment. However, whether traits play a role in determining species’ abundance and rarity among the co‐occurring species within a community remains an unresolved question. 2. To address this, we analysed the abundance of California coastal woody plant species at landscape and local scales in relation to 11 leaf, wood and seed traits. 3. At the landscape scale, we found no significant relationship between traits and abundance. In contrast, at the local scale we found significant relationships between abundance and four traits: specific leaf area (SLA), height, lumen fraction and wood density. For SLA and height, the relationship was linear; for lumen fraction, it was quadratic. For wood density, the direction of the trait–abundance relationship was dependant on the abiotic context, that is, it shifted across a gradient in soil water content. 4. Synthesis. Understanding the connections between traits and abundance is important for two reasons. First, there is an ongoing debate about the degree to which commonness and rarity are the result of drift among ecologically equivalent species or niche processes. These results suggest that there are non‐random, trait‐based processes affecting abundance and rarity. Secondly, species’ traits have been shown to have a strong effect on photosynthesis and decomposition rates, mediated by the abundance of the species. The connections between traits and abundance presented here are crucial for scaling from measurements of species’ traits to ecosystem‐level processes.
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) | 0,001 | 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 ».