Temporal rarity is a better predictor of local extinction risk than spatial rarity
Notice bibliographique
Résumé
Spatial rarity is often used to predict extinction risk, but rarity can also occur temporally. Perhaps more relevant in the context of global change is whether a species is core to a community (persistent) or transient (intermittently present), with transient species often susceptible to human activities that reduce niche space. Using 5-12 yr of data on 1,447 plant species from 49 grasslands on five continents, we show that local abundance and species persistence under ambient conditions are both effective predictors of local extinction risk following experimental exclusion of grazers or addition of nutrients; persistence was a more powerful predictor than local abundance. While perturbations increased the risk of exclusion for low persistence and abundance species, transient but abundant species were also highly likely to be excluded from a perturbed plot relative to ambient conditions. Moreover, low persistence and low abundance species that were not excluded from perturbed plots tended to have a modest increase in abundance following perturbance. Last, even core species with high abundances had large decreases in persistence and increased losses in perturbed plots, threatening the long-term stability of these grasslands. Our results demonstrate that expanding the concept of rarity to include temporal dynamics, in addition to local abundance, more effectively predicts extinction risk in response to environmental change than either rarity axis predicts alone.
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) | 0,014 | 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 ».