Seed traits and phylogeny explain plants' geographic distribution
Notice bibliographique
Résumé
Abstract. Understanding the mechanisms that shape the geographic distribution of plant species is a central theme of biogeography. Although seed mass, seed dispersal mode and phylogeny have long been suspected to affect species distribution, the link between the sources of variation in these attributes and their effects on the distribution of seed plants are poorly documented. This study aims to quantify the joint effects of key seed traits and phylogeny on species distribution. We collected the seed mass and seed dispersal mode from 1426 species of seed plants representing 501 genera of 122 families and used 4 138 851 specimens to model species distributional range size. Phylogenetic generalized least-squares regression and variation partitioning were performed to estimate the effects of seed mass, seed dispersal mode and phylogeny on species distribution. We found that species distributional range size was significantly constrained by phylogeny. Seed mass and its intraspecific variation were also important in limiting species distribution, but their effects were different among species with different dispersal modes. Variation partitioning revealed that seed mass, seed mass variability, seed dispersal mode and phylogeny together explained 46.82 % of the variance in species range size. Although seed traits are not typically used to model the geographic distributions of seed plants, our study provides direct evidence showing seed mass, seed dispersal mode and phylogeny are important in explaining species geographic distribution. This finding underscores the necessity to include seed traits and the phylogenetic history of species in climate-based niche models for predicting the response of plant geographic distribution to climate change.
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 | 0,001 | 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) | 0,000 | 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 ».