MétaCan
Menu
Retour à la cohorte
Enregistrement W2735029963 · doi:10.1111/jvs.12554

Predicting habitat affinities of plant species using commonly measured functional traits

2017· article· en· W2735029963 sur OpenAlex
Bill Shipley, Michaël Belluau, Ingolf Kühn, Nadejda A. Soudzilovskaia, Michael Bahn, Josep Peñuelas, Jens Kattge, Lawren Sack, Jeannine Cavender‐Bares, W.A. Ozinga, Benjamin Blonder, Peter M. van Bodegom, Peter Manning, Thomas Hickler, Ênio Sosinski, Valério D. Pillar, В. Г. Онипченко, Peter Poschlod

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Vegetation Science · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDeutsches Zentrum für integrative Biodiversitätsforschung Halle-Jena-LeipzigRussian Science FoundationNatural Environment Research CouncilSight Research UK
Mots-clésIndicator valueEcologyHabitatTraitSpecific leaf areaWater contentBiologyIrradianceNutrientEnvironmental scienceBotany

Résumé

récupéré en direct d'OpenAlex

Abstract Questions Heinz Ellenberg classically defined “indicator” scores for species representing their typical positions along gradients of key environmental variables, and these have proven very useful for designating ecological distributions. We tested a key tenent of trait‐based ecology, i.e. the ability to predict ecological preferences from species’ traits. More specifically, can we predict Ellenberg indicator scores for soil nutrients, soil moisture and irradiance from four well‐studied traits: leaf area, leaf dry matter content, specific leaf area (SLA) and seed mass? Can we use such relationships to estimate Ellenberg scores for species never classified by Ellenberg? Location Global. Methods Cumulative link models were developed to predict Ellenberg nutrients, irradiance and moisture values from Ln‐transformed trait values using 922, 981 and 988 species, respectively. We then independently tested these prediction equations using the trait values of 423 and 421 new species that occurred elsewere in Europe, North America and Morocco, and whose habitat affinities we could classify from independent sources as three‐level ordinal ranks related to soil moisture and irradiance. The traits were SLA, leaf dry matter content, leaf area and seed mass. Results The four functional traits predicted the Ellenberg indicator scores of site fertility, light and moisture with average error rates of <2 Ellenberg ranks out of nine. We then used the trait values of 423 and 421 species, respectively, that occurred (mostly) outside of Germany but whose habitat affinities we could classify as three‐level ordinal ranks related to soil moisture and irradiance. The predicted positions of the new species, given the equations derived from the Ellenberg indices, agreed well with their independent habitat classifications, although our equation for Ellenberg irrandiance levels performed poorly on the lower ranks. Conclusions These prediction equations, and their eventual extensions, could be used to provide approximate descriptions of habitat affinities of large numbers of species worldwide.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,805

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,277
Écart entre enseignants0,211 · 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