Past and present effects of habitat amount and fragmentation per se on plant species richness, composition and traits in a deforestation hotspot
Notice bibliographique
Résumé
Worldwide, human activities are rapidly changing land cover and its spatial configuration. While it is widely acknowledged that habitat loss is a major cause of biodiversity loss, there is less agreement on how biodiversity responds to changes in habitat configuration. We assessed the effects of forest amount and forest fragmentation per se (the number of patches for a given forest amount, an aspect of configuration) on woody species richness, composition, and traits in the Dry Chaco forest, a global deforestation hotspot. We sampled woody plants in 24 forest sites varying in forest amount and fragmentation per se in the surrounding landscapes. Using Generalized Linear Modeling we tested whether a model with just forest amount was at least as able to predict species richness as a model with either patch size or isolation or the combination of both. We also tested whether forest amount and fragmentation per se influenced species richness, composition, and the density of four species traits. Finally, we compared these responses to forest amount and fragmentation per se measured in the past (2009) vs. in the present (2017) to look for time-lagged responses. We found that: 1) in support of the habitat amount hypothesis, species richness was more strongly related to forest amount than to the size and/or isolation of the forest patch containing the sample plot; 2) the positive effect of forest amount on species richness was more important than the effect of fragmentation per se (also positive); 3) fragmentation per se changed species composition such that plots in landscapes with more fragmented forest had species with smaller leaves and seeds, and higher wood density; and 4) species richness showed a time-lagged response to forest amount but not to forest fragmentation per se . Our results suggest that preservation of native Dry Chaco forest should be prioritized regardless of its fragmentation level, for conserving woody plant species diversity .
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».