Regional forcing explains local species diversity and turnover on tropical islands
Notice bibliographique
Résumé
Abstract Aim To determine the role of regional forcing on plot‐level species diversity and composition, and to quantify the relative importance of biogeographical and climatic factors in explaining woody plant diversity and composition at the local‐, island‐ and archipelago‐scale. Location Forty‐one tropical islands of the Indo‐Pacific region from Madagascar to Hawai‘i Island. Methods We analysed the diversity and composition of tropical woody plant communities located across 113 plots, 41 islands and 19 archipelagos. We used generalized linear mixed‐effects models and generalized dissimilarity models to determine the role of regional forcing at the island and archipelago scale and to assess the relative importance of biogeographical (area and isolation of islands or archipelagos, geographical distance between plots) and climatic factors in explaining differences in local diversity and composition (species turnover). Analyses were conducted at different geographical scales (local, island and archipelago) and taxonomic levels (species, genus and family). Results Variation in local (plot‐level) diversity (as species density, the number of species per 100 woody plants) was primarily explained by island and archipelago identity. Maximum species density was positively correlated with the area of an island (or archipelago) and negatively correlated with the isolation of an archipelago. Local climatic variability was also a significant predictor of species density, but less important than regional forcing. Climate variables explained < 20% of the variation in species turnover across all plots. The importance of geographical distance between plots relative to climate in driving species turnover decreased from the species to family level, and from the regional to island level. Main conclusions Regional forcing was the key driver of local diversity and composition on islands. Island area and archipelago isolation are likely driving local diversity through their effects on the pool of island species. Geographical distance between plots is the main factor explaining species turnover, while at higher taxonomic levels, climatic factors and niche conservatism are the main drivers.
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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».