MétaCan
Menu
Retour à la cohorte
Enregistrement W2991399297 · doi:10.1111/ele.13425

The spatial frequency of climatic conditions affects niche composition and functional diversity of species assemblages: the case of Angiosperms

2019· letter· en· W2991399297 sur OpenAlexaff
Bertrand Fournier, Héctor Vázquez‐Rivera, Sylvie Clappe, Louis Donelle, Pedro Henrique Pereira Braga, Pedro R. Peres‐Neto

Notice bibliographique

RevueEcology Letters · 2019
Typeletter
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of TorontoConcordia University
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésNicheGeneralist and specialist speciesEcologyBiodiversityRange (aeronautics)Ecological nicheFunctional diversityNiche differentiationDiversity (politics)BiologySpecies diversityHabitat

Résumé

récupéré en direct d'OpenAlex

Climatic conditions vary in spatial frequency globally. Spatially rare climatic conditions provide fewer suitable environments than common ones and should impose constraints on the types of species present locally and regionally. We used data on 467 North American angiosperms to test the effects of the spatial frequency of climatic conditions on ecological niche specialisation and functional diversity. We predicted that rare climates should favour generalist species that are able to inhabit a broader range of climatic conditions. Our results show that climate frequency filters species that differ in niche breadths and rare environments host species combinations with greater functional diversity. The proposed analytical approaches and hypotheses can be adapted to investigate different aspects of ecological assemblies and their biodiversity. We discuss different mechanisms regarding how spatial frequency of environments can affect niche composition and functional diversity. These should be useful while developing theoretical frameworks for generating a deeper understanding of its underpinnings.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,826
Score d'incertitude au seuil0,995

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,019
Tête enseignante GPT0,219
Écart entre enseignants0,200 · 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.

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

Citations17
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207