Community phylogenetics of forest trees along an elevational gradient in the eastern Himalayan region of northeast India
Notice bibliographique
Résumé
Large-scale environmental gradients have been invaluable for unravelling the processes shaping the evolution and maintenance of biodiversity. Gradients provide a natural setting to test theories about species diversity and distributions within a landscape with changing biotic and abiotic interactions. Elevational gradients are particularly useful because they often have an extensive climatic range within a constricted geographic region. Arunachal Pradesh is the northeastern-most province in India, located on the southern face of the eastern Himalayas. This region is considered a biodiversity “hotspot”, with an estimated 6000 flowering plant species of which 30-40% are endemic. For this thesis, I analyzed tree communities in plots distributed throughout the province using both species and phylogenetic diversity indices. I explored shifts in community structure across elevation and space as well as the biotic and abiotic forces influencing species assembly throughout the landscape. Species richness and phylogenetic diversity decreased with increasing elevation, as theory predicts. However, species relatedness did not show a clear pattern with elevation. Nonetheless, by exploring beta-diversity (both taxonomic and phylogenetic), I was able to show a strong effect of environmental filtering with elevation. Environmental filtering is generally associated with species clustering on the phylogeny, where co-occurring species in a community are more closely related than expected by chance. Here, however, I suggest that forest community structure is driven by filtering on glacial relicts, resulting in random or over-dispersed community assemblages. These patterns point to possible regions for conservation priority that may provide refugia for species threatened by current warming trends.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».