Capacity and establishment rules govern the number of nonnative species in communities of ground‐dwelling invertebrates
Notice bibliographique
Résumé
Nonnative species are a key agent of global change. However, nonnative invertebrates remain understudied at the community scales where they are most likely to drive local extirpations. We use the North American NEON pitfall trapping network to document the number of nonnative species from 51 invertebrate communities, testing four classes of drivers. We sequenced samples using the eDNA from the sample's storage ethanol. We used AICc informed regression to evaluate how native species richness, productivity, habitat, temperature, and human population density and vehicular traffic account for continent-wide variation in the number of nonnative species in a local community. The percentage of nonnatives varied 3-fold among habitat types and over 10-fold (0%-14%) overall. We found evidence for two types of constraints on nonnative diversity. Consistent with Capacity rules (i.e., how the number of niches and individuals reflect the number of species an ecosystem can support) nonnatives increased with existing native species richness and ecosystem productivity. Consistent with Establishment Rules (i.e., how the dispersal rate of nonnative propagules and the number of open sites limits nonnative species richness) nonnatives increased with automobile traffic-a measure of human-generated propagule pressure-and were twice as common in pastures than native grasslands. After accounting for drivers associated with a community's ability to support native species (native species richness and productivity), nonnatives are more common in communities that are regularly seasonally disturbed (pastures and, potentially deciduous forests) and those experiencing more vehicular traffic. These baseline values across the US North America will allow NEON's monitoring mission to document how anthropogenic change-from disturbance to propagule transport, from temperature to trends in local extinction-further shape biotic homogenization.
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 | 0,002 | 0,007 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».