The effects of habitat filtering and non‐habitat processes on species spatial distribution vary across life stages
Notice bibliographique
Résumé
PREMISE OF THE STUDY: Habitat filtering and non-habitat processes are two major processes affecting spatial distributions of species. Because trees at different life stages perform differently, the life stage of tree species could play an important role in shaping the spatial distribution of species and community assembly. Here, we examined the possible changes of spatial distributions of species and evaluated the shifts in the relative importance of habitat filtering and non-habitat processes across life stages in a 50-ha subtropical forest plot in China. METHODS: We modeled species distribution with and without life stages using three point process models. The performance of these models, with and without considering life stages, was evaluated by comparing the species-area curve and the degree of clustering. The relative effects of habitat filtering and non-habitat processes across life stages were quantified using a spatial variance decomposition method. KEY RESULTS: The incorporation of life stage considerably improved the goodness-of-fit of these point process models at both the community and species levels. Non-habitat processes explained about 90% of the total variation in spatial distribution, while habitat filtering explained about 10%. The relative importance of habitat filtering only increased slightly from sapling to adult stages. CONCLUSIONS: Point process models performed better when life stages are included, indicating the importance of considering life stage when modeling spatial distributions for understanding community assembly. The finding that habitat acts weakly and non-habitat processes act dominantly in determining spatial distributions of species suggests a strong dependence of spatial patterns on non-habitat processes.
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 | 0,000 | 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 ».