Do plant traits retrieved from a database accurately predict on‐site measurements?
Notice bibliographique
Résumé
Summary Trait‐based approaches are increasingly used to obtain an insight into the functional aspects of plant communities. Since measuring traits can be time‐consuming, large international databases of plant traits are being compiled to share the effort. From these databases, average trait values are often extracted per species by averaging trait values of individuals over multiple populations and habitats. However, the accuracy of such aggregated information from regional databases as a surrogate for on‐site measurements has seldom been tested. For the local species pool (aggregated at the habitat‐level) and the plant communities on the plots (aggregated at the community‐level), we quantified how accurately trait values for each species measured at the plot (plot scale) and those averaged per species and site (site scale) can be estimated from those retrieved from a North‐west‐European trait database. We analysed three widely used plant traits, canopy height ( CH ), leaf dry matter content ( LDMC ) and specific leaf area ( SLA ), of species occurring in a wet meadow and a salt marsh. Database values more accurately predicted traits aggregated at the habitat‐level than those aggregated at the community‐level. In addition, traits with lower plasticity, such as LDMC , were more accurately predicted by database values. The performance of database values also depended upon the habitat studied, for example, habitat‐level SLA values were accurately predicted by database values in the wet meadow but inaccurately predicted in the salt marsh. Synthesis . This study reveals that the accuracy of traits retrieved from a database depends on the level of aggregation (lower at community‐level), the trait (lower in plastic traits) and the habitat type (lower in extreme habitats). For studies focussing on processes mainly acting at the site scale (e.g. trait–environment relationships), traits retrieved from a regional database and filtered according to habitat will probably lead to good results. Whereas studying processes acting at the plot scale (e.g. niche partitioning), requires the additional effort of measuring traits on‐site.
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) | 0,005 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».