Is it common to be rare on the landscape? A test using a novel model system
Notice bibliographique
Résumé
Understanding how rare species are distributed can be difficult due to heterogeneity between landscape units. Lack of statistical replication of landscapes can make it difficult to carry out testing. Model systems may be a solution. We test whether lichen thalli along the trunk of a tree are analogous to habitat patches in a kilometers-extent landscape and hence can function as a model system. This model system allows for increased statistical power. We use this system to test whether landscapes with rare species are different from those without. We sampled macrolichen diversity along the trunk of 24 balsam fir trees in a stand on the Avalon Peninsula, Newfoundland, Canada, along with microclimate variables. We analysed difference in pattern by aspect and along the gradient of 1 m up the trunk as well as between trees containing the rare Erioderma pedicellatum and those without. We found no difference in total patch richness or abundance between the micro-landscapes. We found significantly consistent patterns in lichen patches along the trunk. These patterns were similar on the trees with the rare species. Lichen species richness did not differ between trees containing the rare species versus those that did not. Lichen patch pattern is statistically similar between trees and as such, these can be considered as replicate landscape units. Thus, landscape ecologists can use micro-landscapes as model systems to conduct observational and manipulative experiments to test questions about spatial pattern and process, such as those concerning distribution of rare species.
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 | 0,000 | 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 | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».