MétaCan
Menu
Retour à la cohorte
Enregistrement W2895620323 · doi:10.1111/1365-2745.13082

Abiotic heterogeneity underlies trait‐based competition and assembly

2018· article· en· W2895620323 sur OpenAlexafffund
Isabela L. Borges, Leila Z. Forsyth, Denon Start, Benjamin Gilbert

Notice bibliographique

RevueJournal of Ecology · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAbiotic componentEcologyTraitBiologyCompetition (biology)Coexistence theoryGenetic FitnessInterspecific competitionDiversity (politics)Biological evolution

Résumé

récupéré en direct d'OpenAlex

Abstract The fitness of individual species depends on their ability to persist and establish at low densities, just as the diversity of ecological communities depends on the establishment and persistence of low‐density, “invader” species. Theory predicts that abiotic conditions and the competitive make‐up of resident communities jointly shape invader fitness, limiting the phenotypic identity of successful invaders. We use an invasion experiment to ask how competitive traits of 20 introduced plant species alter their absolute fitness in fragments that differ in size, abiotic conditions, and traits of the resident community. We show that abiotic conditions interact with both invader traits and resident functional diversity to determine invader survival. Optimal invader traits depended on the soil characteristics, while greater resident trait diversity lowered invader fitness and had especially strong effects in low‐resource environments. Unlike other abiotic conditions, fragment size had consistent effects irrespective of invader identity, decreasing survival in larger fragments. Synthesis. Our results illustrate how the abiotic environment mediates the effects of resident and invader traits on establishment, creating fitness landscapes that structure local diversity and the functional identities of successful 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,231

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,244
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of EcologyMême sujetPlant and animal studiesTravaux en français237 207