Sensitivity of community‐level trait–environment relationships to data representativeness: A test for functional biogeography
Notice bibliographique
Résumé
Abstract Aim The characterization of trait–environment relationships over broad‐scale gradients is a critical goal for ecology and biogeography. This implies the merging of plot and trait databases to assess community‐level trait‐based statistics. Potential shortcomings and limitations of this approach are that: (i) species traits are not measured where the community is sampled and (ii) the availability of trait data varies considerably across species and plots. Here we address the effect of trait data representativeness [the sampling effort per species and per plot] on the accuracy of (i) species‐level and (ii) community‐level trait estimates and (iii) the consequences for the shape and strength of trait–environment relationships across communities. Innovation We combined information existing in databases of vegetation plots and plant traits to estimate community‐weighted means [CWMs] of four key traits [specific leaf area, plant height, seed mass and leaf nitrogen content per dry mass] in permanent grasslands at a country‐wide scale. We propose a generic approach for systematic sensitivity analyses based on random subsampling and data reduction to address the representativeness of incomplete and heterogeneous trait information when exploring trait–environment relationships across communities. Main conclusions The accuracy of the CWMs was little affected by the number of individual trait values per species [NIV] but strongly affected by the cover proportion of species with available trait values [ P Cover ]. A P Cover above 80% was required for all four traits studied to obtain an estimation bias below 5%. Our approach therefore provides more conservative criteria than previously proposed. Restrictive criteria on both NIV and P Cover primarily excluded communities in harsh environments, and such reduction of the sampled gradient weakened trait–environment relationships. These findings advocate systematic measurement campaigns in natural environments to increase species coverage in global trait databases, with special emphasis on species occurring in under‐sampled and harsh environmental conditions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».