Traits of litter‐dwelling forest arthropod predators and detritivores covary spatially with traits of their resources
Notice bibliographique
Résumé
The functional trait approach proposes that relating traits of organisms within a community to variation in abiotic and biotic characteristics of their environment will provide insight on the mechanisms of community assembly. As traits at a given trophic level might act as filters for the selection of traits at another trophic level, we hypothesized that traits of consumers and of their resources covary in space. We evaluated complementary predictions about top-down (negative) and bottom-up (positive) trait covariation in a detrital food web. Additionally, we tested whether positive trait covariation was better explained by the Resource Concentration Hypothesis (i.e., most commonly represented trait values attract abundant consumers) or the Resource Specialization Hypothesis (i.e., resource diversity increases niche availability for the consumers). Macroarthopods were collected with pitfall traps over two summers in three forested sites of southern Quebec in 110 plots that varied in tree species composition. Six feeding traits of consumers (detritivores and predators) and six palatability traits of their resources (leaf litter and prey) were matched to assess spatial covariation. Trait matches included consumer biting force/resource toughness, detritivore mandibular gape/leaf thickness, predator/prey body size ratio, etc. Our results demonstrate for the first time a covariation between feeding traits of detritivores and palatability traits of leaf litter (31-34%), and between feeding traits of litter-dwelling predators and palatability traits of potential prey (38-44%). The observed positive covariation supports both the Resource Concentration Hypothesis and Resource Specialization Hypothesis. Spatial covariation of consumer and resource traits provides a new tool to partially predict the structure of the detrital food web. Nonetheless, top-down regulation remains difficult to confirm. Further research on top-down processes will be undoubtedly necessary to refine our capacity to interpret the effect of biotic interactions on co-distribution.
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) | 0,000 | 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 ».