Species associations of congeneric species in a tropical seasonal rain forest of China
Notice bibliographique
Résumé
Abstract: In tropical plant communities with diverse species, many congeners are found to coexist. Do environment or biotic interactions structure the coexistence of congeners in tropical forest communities? In this paper, we aimed to disentangle the effect of environment (first-order effects) and species interactions (second-order effects) on the spatial distributions of tree species. We used a classification scheme and torus-translation to test the first-order interaction of 48 species from 17 genera in a fully mapped 20-ha dipterocarp tropical seasonal rain-forest plot in Xishuangbanna, south-west China. Then we used heterogeneous Poisson null models to reveal significant uni- and bivariate second-order interactions. The results demonstrated that (1) 34 of the 48 studied species showed a significant relation with at least one topographic variable. This confirmed that topographical heterogeneity is important for distribution of these congeners. Spatial segregation (36.6%) and partial overlap (34.8%) were the most common bivariate association types in Xishuangbanna plot, which indicated first-order effects (environment) were strong. (2) For small-scale associations, 51% saplings (1 to ≤ 5 cm) (68.8% for large trees with dbh > 5 cm) of the species showed non-significant associations. For large-scale associations, 61.6% saplings (81.2% for large trees) of the species showed non-significant associations. Lack of significant species interactions provides evidence for the unified neutral theory. In conclusion, both environment and biotic interactions structure congeneric species' coexistence in tropical seasonal rain forest in this region.
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 | 0,001 |
| 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) | 0,001 | 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 ».