Does structural connectivity influence tree species distributions and abundance in a naturally discontinuous tropical forest formation?
Notice bibliographique
Résumé
Abstract Aims The study of naturally discontinuous forest systems could help further our understanding of the relative roles of abiotic factors and spatial connectivity in influencing species turnover and plant metacommunity structure, compared to continuous forest formations, where local communities are often arbitrarily defined and where ‘mass effects’ and source–sink dynamics tend to confound the roles of dispersal and environment. Here we studied a tropical montane landscape where old‐growth evergreen forest occurs as patchy formations in a matrix of natural grasslands, to test the influence of environment and connectivity on species turnover and woody plant metacommunity structure. Location Western and southern regions of the Upper Nilgiri Plateau, Western Ghats, southern India. Methods We sampled 85 vegetation plots located across a 600‐km2 landscape, assembled environmental data, constructed contrasting spatial connectivity models, including models for the effects of topography on structural connectivity, and used RDA‐based variation partitioning to assess the relative influence of environment and space on woody plant metacommunity structure. Results Considering several environmental and multi‐scale spatial predictors, we could explain half of the variation in plant community structure. Environmental and habitat factors such as precipitation, temperature seasonality, elevation, fragment size and landscape context play a dominant role, explaining approximately 40% of variation. Spatial predictors based on Euclidean distance performed better than those that accounted for topographic resistance. Spatial predictors accounted for only 9% of the variation in plant metacommunity structure. Conclusion Our results support the species sorting paradigm of metacommunity structure, as abiotic effects and biotic interactions play dominant roles in influencing community structure and species turnover in these old‐growth forests, with a comparatively small influence of spatial connectivity. Effective management of woody species diversity would therefore require conservation of these forests across the range of environmental conditions under which they occur.
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 | 0,002 |
| 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 | 0,001 | 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 ».