Analyzing the shape of observed trait distributions enables a data‐based moment closure of aggregate models
Notice bibliographique
Résumé
Abstract The shape of trait distributions may inform about the selective forces that structure ecological communities. Here, we present a new moment‐based approach to classify the shape of observed biomass‐weighted trait distributions into normal, peaked, skewed, or bimodal that facilitates spatio‐temporal and cross‐system comparisons. Our observed phytoplankton trait distributions exhibited substantial variance and were mostly skewed or bimodal rather than normal. Additionally, mean, variance, skewness und kurtosis were strongly correlated. This is in conflict with trait‐based aggregate models that often assume normally distributed trait values and small variances. Given these discrepancies between our data and general model assumptions we used the observed trait distributions to test how well different aggregate models with first‐ or second‐order approximations and different types of moment closure predict the biomass, mean trait, and trait variance dynamics using weakly or moderately nonlinear fitness functions. For weakly non‐linear fitness functions aggregate models with a second‐order approximation and a data‐based moment closure that relied on the observed correlations between skewness and mean, and kurtosis and variance predicted biomass and often also mean trait changes fairly well and better than models with first‐order approximations or a normal‐based moment closure. In contrast, none of the models reflected the changes of the trait variances reliably. Aggregate model performance was often also poor for moderately nonlinear fitness functions. This questions a general applicability of the normal‐based approach, in particular for predicting variance dynamics determining the speed of trait changes and maintenance of biodiversity. We evaluate in detail how and why better approximations can be obtained.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».