Linking functional diversity to ecological indicators: a tool to predict anthropogenic effects on ecosystem functioning
Notice bibliographique
Résumé
Functional diversity is related to the maintenance of processes and functions in ecosystems. However, there is a lack of a conceptual framework that highlights the application of functional diversity as an ecological indicator. Therefore, we present a new initiative for motivating the development of ecological indicators based on functional diversity. We are interested in showing the challenges and solutions associated with these indicators. We integrated species assemblage theories and literature reviews. We considered plant traits related to ecosystem processes and functions (specific leaf area, leaf dry matter content, wood density, phenology, and seed mass) to show the application of a selection of functional diversity metrics that can be used as ecological indicators (i.e., community weighted-mean, functional divergence, functional richness and functional evenness). We caution that functional diversity as an ecological indicator can be misinterpreted if species composition is unknown. Functional diversity values can be over-represented by weed species (species established in disturbed sites) and do not maintain original processes and functions in ecosystems. Therefore, we searched for evidence to demonstrate that weed species are ecological indicators of functional diversity changes. We found support for two hypotheses that explain the effect of weed species on ecosystem function: functional homogenization, and functional transformation. Likewise, we showed the application of some tools that can help study anthropogenic effects on functional indicators. This perspective shows that the paradigm of addressing the effects of disturbances on ecosystem processes by using functional diversity as an ecological indicator can improve environmental evaluation, particularly in areas affected by human activities.
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 | 0,001 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».