Trait dimensionality and population choice alter estimates of phenotypic dissimilarity
Notice bibliographique
Résumé
Abstract The ecological niche is a multi‐dimensional concept including aspects of resource use, environmental tolerance, and interspecific interactions, and the degree to which niches overlap is central to many ecological questions. Plant phenotypic traits are increasingly used as surrogates of species niches, but we lack an understanding of how key sampling decisions affect our ability to capture phenotypic differences among species. Using trait data of ecologically distinct monkeyflower (Mimulus) congeners, we employed linear discriminant analysis to determine how (1) dimensionality (the number and type of traits) and (2) variation within species influence how well measured traits reflect phenotypic differences among species. We conducted analyses using vegetative and floral traits in different combinations of up to 13 traits and compared the performance of commonly used functional traits such as specific leaf area against other morphological traits. We tested the importance of intraspecific variation by assessing how population choice changed our ability to discriminate species. Neither using key functional traits nor sampling across plant functions and organs maximized species discrimination. When using few traits, vegetative traits performed better than combinations of vegetative and floral traits or floral traits alone. Overall, including more traits increased our ability to detect phenotypic differences among species. Population choice and the number of traits used had comparable impacts on discriminating species. We addressed methodological challenges that have undermined cross‐study comparability of trait‐based approaches. Our results emphasize the importance of sampling among‐population trait variation and suggest that a high‐dimensional approach may best capture phenotypic variation among species with distinct niches.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».