Traditional plant functional groups explain variation in economic but not size‐related traits across the tundra biome
Notice bibliographique
Résumé
AIM: Plant functional groups are widely used in community ecology and earth system modelling to describe trait variation within and across plant communities. However, this approach rests on the assumption that functional groups explain a large proportion of trait variation among species. We test whether four commonly used plant functional groups represent variation in six ecologically important plant traits. LOCATION: Tundra biome. TIME PERIOD: Data collected between 1964 and 2016. MAJOR TAXA STUDIED: 295 tundra vascular plant species. METHODS: We compiled a database of six plant traits (plant height, leaf area, specific leaf area, leaf dry matter content, leaf nitrogen, seed mass) for tundra species. We examined the variation in species-level trait expression explained by four traditional functional groups (evergreen shrubs, deciduous shrubs, graminoids, forbs), and whether variation explained was dependent upon the traits included in analysis. We further compared the explanatory power and species composition of functional groups to alternative classifications generated using post hoc clustering of species-level traits. RESULTS: Traditional functional groups explained significant differences in trait expression, particularly amongst traits associated with resource economics, which were consistent across sites and at the biome scale. However, functional groups explained 19% of overall trait variation and poorly represented differences in traits associated with plant size. Post hoc classification of species did not correspond well with traditional functional groups, and explained twice as much variation in species-level trait expression. MAIN CONCLUSIONS: Traditional functional groups only coarsely represent variation in well-measured traits within tundra plant communities, and better explain resource economic traits than size-related traits. We recommend caution when using functional group approaches to predict tundra vegetation change, or ecosystem functions relating to plant size, such as albedo or carbon storage. We argue that alternative classifications or direct use of specific plant traits could provide new insights for ecological prediction and modelling.
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 | 0,000 |
| 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) | 0,004 | 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 ».