Incongruent drivers of network, species and interaction persistence in food webs
Notice bibliographique
Résumé
Communities can be described by species, interactions and the network of interactions which emerge from these building blocks. Networks are often summarized by diverse metrics which capture key components of network topology, for example, number of trophic levels, number of interactions per species (i.e. degree) and frequency of apparent competition modules (i.e. motifs). Network metrics are often used to predict whole community responses following a perturbation. Understanding whether our predictive capabilities at the network level are maintained at other levels of organization such as species and interaction levels is critical but rarely studied. Our objective was to determine whether we can use different network metrics (e.g. modularity, species roles) to predict which networks, species and interactions will persist following a perturbation. Given the nested structure of interactions, species and networks, we hypothesized that those metrics which were correlated with network persistence would be the same metrics correlated with which species and interactions persist and that the direction of these correlations would be maintained across organizational levels (i.e. network, species and interactions). We used numerical simulations of a dynamic food web model and model selection to test the relationships between network metrics (e.g. degree, modularity, motif profiles) and network, species and interaction‐level persistence. We found that out degree and frequency of both apparent and exploitative competition were the best predictors of species persistence, however all metrics were weak predictors of species persistence. This demonstrates that metrics which predict network persistence are not always the best predictors of species and interaction level persistence. Additionally, metrics can work in opposition depending on the organizational scope examined; for example interaction strength is positively correlated with interaction persistence, but negatively correlated with species persistence. Multiscale analysis of network metrics such as this one, may provide critical insight for advancing network‐based environmental management in the Anthropocene.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 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 ».