Integrating trait and phylogenetic distances to assess scale‐dependent community assembly processes
Notice bibliographique
Résumé
Biodiversity is structured by multiple mechanisms that are dependent, at least in part, on ecological similarities and differences among species. Integrating traits and phylogenies in diversity metrics may provide deeper insight into community assembly processes across spatial scales. However, different traits are influenced by processes at different spatial scales, and it is not clear how trait‐spatial scale mismatches skew our ability to detect assembly patterns. An additional complexity is how phylogenetic distances, which might capture unmeasured traits, reflect spatially dependent processes. Here we analyze a freshwater zooplankton dataset from 91 ponds and show that different traits are associated with processes at different spatial scales. We first assessed the response of individual traits to processes at both α‐ and β‐scales, and then quantified the power of different combinations of traits and phylogenetic distances to reveal environmental and spatial drivers of α‐ and β‐diversity. We found that explanatory power was maximised when we accounted for environmental and spatial drivers with single, but different traits for α‐ and β‐diversity. Using the most appropriate trait for each spatial scale outperformed phylogenetic information, but phylogenetic information outperformed the same traits when these were used at the wrong spatial scale, and all outperformed taxonomic analyses that ignore trait and phylogenetic information. We demonstrate that accounting for species’ similarities and differences provides important information about dominant assembly mechanisms at different spatial scales, and that phylogeny is especially useful when measured traits are uninformative at a given spatial scale or when there is lack of trait data. Our study also indicates, however, that trait‐scale mismatches among phylogenetically conserved traits may affect the performance of phylogenetic indices compared to indices that account only for the best single trait at each spatial scale.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».