Resource and seasonality drive interspecific variability in simulations from a dynamic energy budget model
Notice bibliographique
Résumé
Animals show a vast array of phenotypic traits in time and space. Such variation patterns have traditionally been described as ecogeographical rules; for example, the tendency of size and clutch size to increase with latitude (Bergmann's and Lack's rules, respectively). Despite considerable research into these variation patterns and their consequences for biodiversity and conservation, the processes behind trait variation remain controversial. Here, we show how food variability, largely set by climate and weather, can drive interspecific trait variation by determining individual energy input and allocation trade-offs. Using a dynamic energy budget (DEB) model, we simulated different food environments, as well as interspecific variability in the parameters for energy assimilation, mobilization and allocation to soma. We found that interspecific variability is greater when the resource is non-limiting in both constant and seasonal environments. Our findings further show that individuals can reach larger biomass and greater reproductive output in a seasonal environment than in a constant environment of equal average resource due to the peaks of food surplus. Our results agree with the classical patterns of interspecific trait variation and provide a mechanistic understanding that supports recent hypotheses which explain them: the resource and the eNPP (net primary production during the growing season) rules. Due to the current alterations to ecosystems and communities, disentangling the mechanisms of trait variation is increasingly important to understand and predict biodiversity dynamics under climate change, as well as to improve conservation strategies.
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 | 0,000 |
| 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 ».