Negative relationships between species richness and temporal variability are common but weak in natural systems
Notice bibliographique
Résumé
Effects of species diversity on population and community stability (or more precisely, the effects of species richness on temporal variability) have been studied for several decades, but there have been no large-scale tests in natural communities of predictions from theory. We used 91 data sets including plants, fish, small mammals, zooplankton, birds, and insects, to examine the relationship between species richness and temporal variability in populations and communities. Seventy-eight of 91 data sets showed a negative relationship between species richness and population variability; 46 of these relationships were statistically significant. Only five of the 13 positive richness-population variability relationships were statistically significant. Similarly, 51 of 91 data sets showed a negative relationship between species richness and community variability; of these, 26 were statistically significant. Seven of the 40 positive richness-community-variability relationships were statistically significant. We were able to test transferability (i.e., the predictive ability of models for sites that are spatially distinct from sites that were used to build the models) for 69 of 91 data sets; 35 and 31 data sets were transferable at the population and community levels, respectively. Only four were positive at the population level, and two at the community level. We conclude that there is compelling evidence of a negative relationship between species richness and temporal variability for about one-half of the ecological communities we examined. However, species richness explained relatively little of the variability in population or community abundances and resulted in small improvements in predictive ability.
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 | 0,000 | 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 ».