Species–area relationships in continuous vegetation: Evidence from Palaearctic grasslands
Notice bibliographique
Résumé
Abstract Aim Species–area relationships (SARs) are fundamental scaling laws in ecology although their shape is still disputed. At larger areas, power laws best represent SARs. Yet, it remains unclear whether SARs follow other shapes at finer spatial grains in continuous vegetation. We asked which function describes SARs best at small grains and explored how sampling methodology or the environment influence SAR shape. Location Palaearctic grasslands and other non‐forested habitats. Taxa Vascular plants, bryophytes and lichens. Methods We used the GrassPlot database, containing standardized vegetation‐plot data from vascular plants, bryophytes and lichens spanning a wide range of grassland types throughout the Palaearctic and including 2,057 nested‐plot series with at least seven grain sizes ranging from 1 cm2 to 1,024 m2. Using nonlinear regression, we assessed the appropriateness of different SAR functions (power, power quadratic, power breakpoint, logarithmic, Michaelis–Menten). Based on AICc, we tested whether the ranking of functions differed among taxonomic groups, methodological settings, biomes or vegetation types. Results The power function was the most suitable function across the studied taxonomic groups. The superiority of this function increased from lichens to bryophytes to vascular plants to all three taxonomic groups together. The sampling method was highly influential as rooted presence sampling decreased the performance of the power function. By contrast, biome and vegetation type had practically no influence on the superiority of the power law. Main conclusions We conclude that SARs of sessile organisms at smaller spatial grains are best approximated by a power function. This coincides with several other comprehensive studies of SARs at different grain sizes and for different taxa, thus supporting the general appropriateness of the power function for modelling species diversity over a wide range of grain sizes. The poor performance of the Michaelis–Menten function demonstrates that richness within plant communities generally does not approach any saturation, thus calling into question the concept of minimal area.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».