Global patterns and environmental drivers of forest functional composition
Notice bibliographique
Résumé
Abstract Aim To determine the relationships between the functional trait composition of forest communities and environmental gradients across scales and biomes and the role of species relative abundances in these relationships. Location Global. Time period Recent. Major taxa studied Trees. Methods We integrated species abundance records from worldwide forest inventories and associated functional traits (wood density, specific leaf area and seed mass) to obtain a data set of 99,953 to 149,285 plots (depending on the trait) spanning all forested continents. We computed community‐weighted and unweighted means of trait values for each plot and related them to three broad environmental gradients and their interactions (energy availability, precipitation and soil properties) at two scales (global and biomes). Results Our models explained up to 60% of the variance in trait distribution. At global scale, the energy gradient had the strongest influence on traits. However, within‐biome models revealed different relationships among biomes. Notably, the functional composition of tropical forests was more influenced by precipitation and soil properties than energy availability, whereas temperate forests showed the opposite pattern. Depending on the trait studied, response to gradients was more variable and proportionally weaker in boreal forests. Community unweighted means were better predicted than weighted means for almost all models. Main conclusions Worldwide, trees require a large amount of energy (following latitude) to produce dense wood and seeds, while leaves with large surface to weight ratios are concentrated in temperate forests. However, patterns of functional composition within‐biome differ from global patterns due to biome specificities such as the presence of conifers or unique combinations of climatic and soil properties. We recommend assessing the sensitivity of tree functional traits to environmental changes in their geographic context. Furthermore, at a given site, the distribution of tree functional traits appears to be driven more by species presence than species abundance.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».