Do ecological specialization and functional traits explain the abundance–frequency relationship? Arable weeds as a case study
Notice bibliographique
Résumé
Abstract Aim The abundance–frequency relationship (AFR) is among the most‐investigated patterns in biogeography, yet the relative contributions of niche‐based processes related to ecological strategies, and of neutral processes related to spatial colonization–extinction dynamics, remains uncertain. Here, we tested the influences of ecological specialization and functional traits on local abundance and regional frequency, to determine the contribution of niche‐based processes. Location France and the UK. Taxon Vascular plants. Methods We used two arable weed surveys covering 1,544 fields in Western Europe (France, UK), along with functional traits related to resource acquisition, resource requirements, flowering phenology and dispersal. We quantified specialization both to arable habitat and to individual crop types, and performed phylogenetic path analyses to test competing models accounting for direct and indirect relationships between traits, specialization, abundance and frequency. We performed the analyses for all species in each country, as well as for a subset of the most abundant species. Results Local abundance of weeds increased with their regional frequency, but the relationship became negative or null when considering only the most abundant weeds. Specialization to arable habitat and to individual crop type either had a similar or opposite effect on regional frequency and local abundance explaining these positive and negative relationships, respectively. Regional frequency was not directly explained by any trait but indirectly by resource requirement traits conferring specialization to the arable habitat. Conversely, high local abundance was directly related to low seed mass, high SLA, early and short flowering. Main conclusions Direct/indirect effects of functional traits on local abundance/regional frequency, respectively, supports a significant role of niche‐based processes in AFR. Neutral spillover dynamics could further explain a direct linkage of abundance and frequency. Similar causal paths and consistent influences of traits on specialization and abundance in the two studied regions suggest genericity of these findings.
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 | 0,000 |
| 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 ».