MétaCan
Menu
Retour à la cohorte
Enregistrement W2503816995 · doi:10.1111/1365-2435.12722

A global method for calculating plant <scp>CSR</scp> ecological strategies applied across biomes world‐wide

2016· article· en· W2503816995 sur OpenAlexaff
Simon Pierce, Daniel Negreiros, Bruno Enrico Leone Cerabolini, Jens Kattge, Sandra Dı́az, Michael Kleyer, Bill Shipley, S. Joseph Wright‬, Nadejda A. Soudzilovskaia, V. G. Onipchenko, Peter M. van Bodegom, Cédric Frenette‐Dussault, Evan Weiher, Bruno X. Pinho, Johannes H. C. Cornelissen, John Philip Grime, Ken Thompson, Roderick Hunt, Peter J. Wilson, Gabriella Buffa, Oliver Castor Nyakunga, Peter B. Reich, Marco Caccianiga, Federico Mangili, Roberta M. Ceriani, Alessandra Luzzaro, Guido Brusa, Andrew Siefert, Newton P. U. Barbosa, Francis Stuart Chapin, William K. Cornwell, Jingyun Fang, Geraldo Wilson Fernandes, Éric Garnier, Soizig Le Stradic, Josep Peñuelas, Felipe P. L. Melo, Antonio Slaviero, Marcelo Tabarelli, Duccio Tampucci

Notice bibliographique

RevueFunctional Ecology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Environment Research CouncilFondation pour la Recherche sur la Biodiversite
Mots-clésBiomeBiologySpecific leaf areaTraitEcologyRuderal speciesPhenologyEcosystemBotanyHabitat

Résumé

récupéré en direct d'OpenAlex

Summary Competitor, stress‐tolerator, ruderal ( CSR ) theory is a prominent plant functional strategy scheme previously applied to local floras. Globally, the wide geographic and phylogenetic coverage of available values of leaf area ( LA ), leaf dry matter content ( LDMC ) and specific leaf area ( SLA ) (representing, respectively, interspecific variation in plant size and conservative vs . acquisitive resource economics) promises the general application of CSR strategies across biomes, including the tropical forests hosting a large proportion of Earth's diversity. We used trait variation for 3068 tracheophytes (representing 198 families, six continents and 14 biomes) to create a globally calibrated CSR strategy calculator tool and investigate strategy–environment relationships across biomes world‐wide. Due to disparity in trait availability globally, co‐inertia analysis was used to check correspondence between a ‘wide geographic coverage, few traits’ data set and a ‘restricted coverage, many traits’ subset of 371 species for which 14 whole‐plant, flowering, seed and leaf traits (including leaf nitrogen content) were available. CSR strategy/environment relationships within biomes were investigated using fourth‐corner and RLQ analyses to determine strategy/climate specializations. Strong, significant concordance ( RV = 0·597; P &lt; 0·0001) was evident between the 14 trait multivariate space and when only LA , LDMC and SLA were used. Biomes such as tropical moist broadleaf forests exhibited strategy convergence (i.e. clustered around a CS / CSR median; C:S:R = 43:42:15%), with CS ‐selection associated with warm, stable situations (lesser temperature seasonality), with greater annual precipitation and potential evapotranspiration. Other biomes were characterized by strategy divergence: for example, deserts varied between xeromorphic perennials such as Larrea divaricata, classified as S‐selected (C:S:R = 1:99:0%) and broadly R‐selected annual herbs (e.g. Claytonia perfoliata ; R/ CR ‐selected; C:S:R = 21:0:79%). Strategy convergence was evident for several growth habits (e.g. trees) but not others (forbs). The CSR strategies of vascular plants can now be compared quantitatively within and between biomes at the global scale. Through known linkages between underlying leaf traits and growth rates, herbivory and decomposition rates, this method and the strategy–environment relationships it elucidates will help to predict which kinds of species may assemble in response to changes in biogeochemical cycles, climate and land use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,019
Tête enseignante GPT0,285
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), 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

Citations585
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFunctional EcologyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207