Global fern and lycophyte richness explained: How regional and local factors shape plot richness
Notice bibliographique
Résumé
Abstract Aim To disentangle the influence of environmental factors at different spatial grains (regional and local) on fern and lycophyte species richness and to ask how regional and plot‐level richness are related to each other. Location Global. Taxon Ferns and lycophytes. Methods We explored fern and lycophyte species richness at two spatial grains, regional (hexagonal grid cells of 7,666 km 2 ) and plot level (300–500 m 2 ), in relation to environmental data at regional and local grains (the 7,666 km 2 hexagonal grid cells and 4 km 2 square grid cells, respectively). For the regional grain, we obtained species richness data for 1,243 spatial units and used them together with climatic and topographical predictors to model global fern richness. For the plot‐level grain, we collated a global dataset of nearly 83,000 vegetation plots with a surface area in the range 300–500 m 2 in which all fern and lycophyte species had been counted. We used structural equation modelling to identify which regional and local factors have the biggest effect on plot‐level fern and lycophyte species richness worldwide. We investigate how plot‐level richness is related to modelled regional richness at the plot's location. Results Plot‐level fern and lycophyte species richness were best explained by models allowing a link between regional environment and plot‐level richness. A link between regional richness and plot‐level richness was essential, as models without it were rejected, while models without the regional environment‐plot‐level richness link were still valid but had a worse goodness‐of‐fit value. Plot‐level richness showed a hump‐shaped relationship with regional richness. Main conclusions Regional environment and regional fern and lycophyte species richness each are important determinants of plot‐level richness, and the inclusion of one does not substitute the inclusion of the other. Plot‐level richness increases with regional richness until a saturation point is reached, after which plot‐level richness decreases despite increasing regional richness, possibly reflecting species interactions.
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 ».