A sharp floristic discontinuity revealed by the biogeographic regionalization of African savannas
Notice bibliographique
Résumé
Abstract Aim In tropical Africa, savannas cover huge areas, have high plant species richness and are considered as a major natural resource for most countries. There is, however, little information available on their floristics and biogeography at the continental scale, despite the importance of such information for our understanding of the drivers of species diversity at various scales and for effective conservation and management. Here, we collated and analysed floristic data from across the continent in order to propose a biogeographical regionalization for African savannas. Location We collated floristic information (specifically woody species lists) for 298 samples of savanna vegetation across Africa, extending from 18° N to 33° S and from 17° W to 48° E. Taxa We focused on native woody species. Methods We used ordination and clustering to identify the floristic discontinuities and gradual transitions across African savannas. Floristic relationships, specificity and turnover, within and between floristic clusters, were analysed using a (dis‐)similarity‐based approach. Results We identified eight floristic clusters across African savannas which in turn were grouped into two larger macro‐units. Ordinations at species and genus levels showed a clear differentiation in woody species composition between the North/West macro‐unit and the South/East macro‐unit. This floristic discontinuity matches to the High (i.e. N&W) and Low (S&E) division of Africa previously proposed by White ( ) and which tracks climatic and topographical variation. In the N&W savannas, the floristic gradient determined by rainfall was partitioned into the Sudanian (drier) and Guinean (wetter) clusters. Within the highly heterogeneous S&E savannas and woodlands, six clusters were identified: Ugandan, Ethiopian, Mozambican, Zambezian, Namibian and South African. Main conclusions The proposed pan‐African classification of savannas and woodlands might assist the development of coordinated management and conservation policies.
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 | 0,001 |
| 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 ».