Accounting for temporal change in multiple biodiversity patterns improves the inference of metacommunity processes
Notice bibliographique
Résumé
In metacommunity ecology, a major focus has been on combining observational and analytical approaches to identify the role of critical assembly processes, such as dispersal limitation and environmental filtering, but this work has largely ignored temporal community dynamics. Here, we develop a "virtual ecologist" approach to evaluate assembly processes by simulating metacommunities varying in three main processes: density-independent responses to abiotic conditions, density-dependent biotic interactions, and dispersal. We then calculate a number of commonly used summary statistics of community structure in space and time and use random forests to evaluate their utility for inferring the strength of these three processes. We find that (i) both spatial and temporal data are necessary to disentangle metacommunity processes based on the summary statistics we test, and including statistics that are measured through time increases the explanatory power of random forests by up to 59% compared to cases where only spatial variation is considered; (ii) the three studied processes can be distinguished with different descriptors; and (iii) each summary statistic is differently sensitive to temporal and spatial sampling effort. Including repeated observations of metacommunities over time was essential for inferring the metacommunity processes, particularly dispersal. Some of the most useful statistics include the coefficient of variation of species abundances through time and metrics that incorporate variation in the relative abundances (evenness) of species. We conclude that a combination of methods and summary statistics is probably necessary to understand the processes that underlie metacommunity assembly through space and time, but we recognize that these results will be modified when other processes or summary statistics are used.
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 | 0,001 |
| 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 ».