Assessing the reliability of predicted plant trait distributions at the global scale
Notice bibliographique
Résumé
AIM: Predictions of plant traits over space and time are increasingly used to improve our understanding of plant community responses to global environmental change. A necessary step forward is to assess the reliability of global trait predictions. In this study, we predict community mean plant traits at the global scale and present a systematic evaluation of their reliability in terms of the accuracy of the models, ecological realism and various sources of uncertainty. LOCATION: Global. TIME PERIOD: Present. MAJOR TAXA STUDIED: Vascular plants. METHODS: We predicted global distributions of community mean specific leaf area, leaf nitrogen concentration, plant height and wood density with an ensemble modelling approach based on georeferenced, locally measured trait data representative of the plant community. We assessed the predictive performance of the models, the plausibility of predicted trait combinations, the influence of data quality, and the uncertainty across geographical space attributed to spatial extrapolation and diverging model predictions. RESULTS: Ensemble predictions of community mean plant height, specific leaf area and wood density resulted in ecologically plausible trait-environment relationships and trait-trait combinations. Leaf nitrogen concentration, however, could not be predicted reliably. The ensemble approach was better at predicting community trait means than any of the individual modelling techniques, which varied greatly in predictive performance and led to divergent predictions, mostly in African deserts and the Arctic, where predictions were also extrapolated. High data quality (i.e., including intraspecific variability and a representative species sample) increased model performance by 28%. MAIN CONCLUSIONS: Plant community traits can be predicted reliably at the global scale when using an ensemble approach and high-quality data for traits that mostly respond to large-scale environmental factors. We recommend applying ensemble forecasting to account for model uncertainty, using representative trait data, and more routinely assessing the reliability of trait predictions.
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 | 0,001 |
| 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) | 0,004 | 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 ».