Assessing the functional role of plant diversity in grasslands: a trait-based approach.
Notice bibliographique
Résumé
The objective of this chapter is to provide some insights into the functional role of plant diversity in grasslands. To do so, we will follow a trait-based approach to species functioning, and show how it can be used, in combination with community structure, to infer some properties of ecosystems, and to serve as a basis for grassland management. We will stick to the idea that a trait is measured at the level of an individual organism (see McGill et al., 2006, for more details; Lavorel et al., 2007), with the following defi nition: ‘any morphological, physio logical or phenological feature measur able at the individual level, from the cell to the whole-organism level’ (Violle et al., 2007). We will present recent developments in grassland ecology using traits, largely based on the response-effect framework proposed by Lavorel and Garnier (2002) and further refi ned by Suding et al. (2008). A simplifi ed scheme of this framework, incorporating ecosystem services provided by grasslands, is pre sented in Fig. 15.1: environmental drivers act as fi lters sorting species according to the value of their traits (so-called ‘response traits’), which results in a functional structure of communities depending on the type and strength of these fi lters. In turn, the functional structure of communities, defi ned as the value, range and relative abundance of traits, has various impacts on ecosystem properties (via so-called ‘effect traits’) and services (Diaz et al., 2007b). We examine below how this general framework applies to grasslands.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».