Consensus RDA across dissimilarity coefficients for canonical ordination of community composition data
Notice bibliographique
Résumé
Understanding how habitat structures species assemblages in a community is one of the main goals of community ecology. To relate community patterns to particular factors defining habitat conditions, ecologists often use canonical ordinations such as canonical redundancy analysis (RDA). It is a common practice to use dissimilarity coefficients to perform canonical ordinations through distance‐based RDA (db‐RDA) or transformation‐based RDA (tb‐RDA). Dissimilarity coefficients are measures of resemblance where the information about species communities is condensed into a symmetric square matrix of dissimilarities among sites. In this study, we compared 16 of the most commonly used dissimilarity coefficients to evaluate if the species‐abundance distribution (SAD) of a community can be used to select an appropriate coefficient. Of these, 11 are designed to be used primarily with abundance data, although they can also be used with presence–absence data, whereas five can only be applied to presence–absence data. Using simulations, we compared the explained variance of RDAs differing only by their coefficients to evaluate how the abundance patterns of communities influence coefficient choice. We found that coefficients are largely equivalent, independently of the community SAD. In light of these findings, we propose the consensus RDA method, a new canonical ordination procedure that performs a consensus of RDAs across several coefficients. This new method focuses on the common relations found by independent RDAs differing only by their dissimilarity coefficients; this ensures the absence of a coefficient‐related bias when interpreting the canonical ordination result. Also, because in our simulations the presence–absence data were directly derived from the abundance data, we were able to evaluate if the information in presence–absence data was equivalent to that in abundance data. We found that although some information was lost by converting abundance data into presence–absence, both data formats may be complementary. When applying consensus RDA to abundance and presence–absence data independently, a more complete understanding and interpretation of the ecological patterns is obtained. An ecological example illustrating consensus RDA and the conclusions of our simulations is presented, using Carabidae data collected at the Ecosystem Management Emulating Natural Disturbances (EMEND) project in northwestern Alberta, Canada.
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 | 0,019 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».