MétaCan
Menu
Retour à la cohorte
Enregistrement W2339108397 · doi:10.1111/jvs.12408

The impact of non‐reproductive plant species on assessments of community structure and species co‐occurrence patterns

2016· article· en· W2339108397 sur OpenAlexafffundabout
Brandon S. Schamp, Lonnie W. Aarssen, Gillian Piggott, Sneha K. Dante

Notice bibliographique

RevueJournal of Vegetation Science · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensQueen's UniversityAlgoma University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSpecies richnessBiologySpecies evennessEcologyAbundance (ecology)Reproductive successPlant communityCommunity structureRelative species abundanceReproductive isolationSpecies diversityPopulationDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Aims Studies of community structure and co‐occurrence patterns rely on the premise that community data reflect where species successfully grow and which species they grow with. However, plant censuses generally do not distinguish between species with reproductive individuals and those only represented by non‐reproductive individuals. We tested whether inclusion of non‐reproductive species, which may not reflect success in that location, significantly impacts evaluations of community structure and co‐occurrence. Location Queen's University Biological Station, Ontario, Canada, old‐field plant communities. Methods We quantified the impact of non‐reproductive species in two plant communities by comparing community structure and co‐occurrence patterns when non‐reproductive species were included or excluded. Results Including non‐reproductive species significantly increased plot‐level species richness in both communities (54% and 13% increases), altered species evenness in both communities, significantly impacted beta‐diversity among plots in one site, and disproportionately impacted assessments of diversity in species‐rich plots. Excluding non‐reproductive species resulted in reduced negative co‐occurrence patterns in both communities, with a substantially larger impact in one community. In that community, the impact of non‐reproductive species was even more pronounced when abundance data were used in analysis, and when pair‐wise co‐occurrence patterns were assessed. Additionally, including non‐reproductive species drastically decreased the number of species pairs with perfect negative co‐occurrence across sites, indicating that these species can add ‘noise’ to co‐occurrence patterns. We examined possible explanations for the presence of non‐reproductive species. In one community, non‐reproductive species were 22 times less abundant (per plot) than reproductive species within plots, although they were not rare overall. Differences in the number of non‐reproductive species per plot across our focal communities were not clearly driven by differences in clonality, stress from extreme weather or low N. While these patterns are consistent with the interpretation that non‐reproductive species are present due to mass effects, this possibility requires further research. Conclusions Including non‐reproductive plant species in censuses can significantly impact assessments of community structure and species co‐occurrence. The divergent impact of their inclusion on our two communities highlights the possibility that excluding non‐reproductive species from surveys may remove noise from community data and clarify theories of plant species co‐existence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,660

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,337
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Vegetation ScienceMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207