Functional and phylogenetic dimensions of tree biodiversity reveal unique geographic patterns
Notice bibliographique
Résumé
Abstract Aim Quantify tree functional and phylogenetic richness and divergence at the global scale, and explore the drivers underpinning these biogeographic patterns. Location Global. Time Period Present. Major Taxa Studied Trees. Methods Using global tree occurrence data, we outlined species' observed ranges using individual alpha hulls to obtain per‐pixel tree species composition at a 0.83‐degree resolution. Using eight traits from a recent tree‐trait database and a vascular‐plant phylogeny we computed and mapped four pixel‐level biodiversity indices, including two metrics related to richness: phylogenetic richness and functional richness, and two related to divergence: mean pairwise phylogenetic distance and Rao's quadratic entropy. To account for the effect of species richness, we also calculated standardized effect sizes accounting for richness for each pixel. We then explored the relations between richness and divergence and the latitudinal patterns of divergence both globally and across biomes. Finally, we used a random forest modelling approach to test for drivers of the different dimensions of diversity in trees. Results In contrast to the latitudinal gradient in species richness, functional and phylogenetic divergence both peak in mid‐latitude systems, exhibiting the highest values in temperate ecosystems and lowest values in boreal and tropical forests. This result holds for functional divergence when removing gymnosperms but the peak flattens for phylogenetic divergence. Phylogenetic richness is consistently lower than expected given the number of species, whereas functional richness has higher‐than‐expected values at mid‐latitudes, mimicking functional divergence patterns. When considering the drivers of these diversity patterns, temperature and historical speciation rates consistently emerge as the strongest forces driving divergence, with negligible effects of human influence, soils or historical climate stability. Main Conclusions Collectively, these results reveal unique similarities and disparities across biomes that are not apparent in any single dimension of biodiversity, highlighting the importance of considering multiple aspects of biodiversity in the management of natural ecosystems.
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 | 0,000 | 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 | 0,000 |
| 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 ».