The potential of trait data to increase the availability of bioindicators: A case study using plant conservatism values
Notice bibliographique
Résumé
Abstract Biological indicators are commonly used to evaluate ecosystem condition. However, their use is often constrained by the availability of information with which to assign species‐specific indicator values, which reflect species' responses to the environmental conditions being evaluated by the indicator. As these responses are driven by underlying traits, and trait data for numerous species are available in publicly accessible databases, one possible approach to approximating missing bioindicator values is through traits. We used the Floristic Quality Assessment (FQA) framework and its component indicator of disturbance sensitivity, species‐specific ecological conservatism scores (C‐scores), as a study system to test the potential of this approach. We tested the consistency of relationships between trait values and expert‐assigned C‐scores and the trait‐based predictability of C‐scores across five regions. Furthermore, as a proof‐of‐concept exercise, we used a multi‐trait model to try to reconstruct C‐scores, and compared the model predictions to expert‐assigned scores. Out of 20 traits tested, there was evidence of regional consistency for germination rate, growth rate, propagation type, dispersal unit, and leaf nitrogen. However, the individual traits showed low predictability ( R 2 = 0.1–0.2) for C‐scores, and a multi‐trait model produced substantial classification errors; in many cases, >50% of species were misclassified. The mismatches may largely be explained by the inability to generalize regionally varying C‐scores from geographically neutral/naive trait data stored in databases, and the synthetic nature of C‐scores. Based on these results, we recommend possible next steps for expanding the availability of species‐based bioindication frameworks such as the FQA. These steps include increasing the availability of geographic and environmental data in trait databases, incorporating data about intraspecific trait variability into these databases, conducting hypothesis‐driven investigations into trait–indicator relationships, and having regional experts review our results to determine if there are patterns in the species that were correctly or incorrectly classified.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».