Predicting habitat affinities of plant species using commonly measured functional traits
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».