Functional traits modulate the response of alien plants along abiotic and biotic gradients
Notice bibliographique
Résumé
Abstract Aim It is widely recognized that the prediction of invasion success at large biogeographical scales requires jointly accounting for alien species traits and local community filters, such as abiotic conditions, biotic interactions and propagule pressure. Despite this recognition, interactions between traits and community filters are generally neglected. Here, we aim to address this limitation by developing a hierarchical framework that builds on trait‐based theory to model occurrences of alien species as a function of spatially explicit variables, filtering invasions and their interactions with species traits. Location Herbaceous communities throughout France. Time period c. 1960–2012 (mostly after 1990). Major taxa studied Herbaceous plants. Methods Based on a large dataset of >50,000 community plots, we built a multispecies hierarchical model of the distribution of the 10 most widespread alien plants in French grasslands. In this model, we explicitly account for how plant height, specific leaf area (SLA) and seed mass affect the occurrence of alien species along gradients of human pressure, environmental conditions and native community composition. Finally, we contrast the results to native species responses along the same gradients. Results We show that two out of three traits significantly modulate the responses of species along these broad gradients. Alien plants with exploitative traits (i.e., tall and with high SLA) were less dependent on human pressure, more efficient in resource‐rich environments and better at avoiding competition from native species. These trait–gradient interactions were often unique to alien plants (e.g., human pressure was important only for supporting alien species with low SLA), even though trait ranges of alien and native species were comparable. Ultimately, the modelling of trait–gradient interactions allows spatially explicit estimations of invasion risks by novel species with particular sets of traits. Main conclusions By taking the best from multispecies distribution modelling and trait‐based theory, our framework paves the way for a generalized mechanistic understanding of how traits influence the success of alien plants and their spatial distributions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».