Typical earthworm assemblages of European ecosystem types
Notice bibliographique
Résumé
Abstract For nature conservation and planning, terrestrial ecosystems are commonly classified based on their plant communities. Although soils are fundamental to ecosystem functioning, ecosystem classifications based on soil organisms are rare, and it is poorly understood whether their assemblage compositions follow existing classification schemes. We examined whether commonly used ecosystem types capture variation in earthworm (Lumbricidae) assemblages—a crucial biotic component of soil ecosystems. To this end, we created four ecosystem classifications by combining large‐scale climatic classifications (Biogeographic Regions [BGR] and Holdridge Life Zones [HLZ]) with small‐scale land cover classifications (CORINE Land Cover [CLC] and European Nature Information System [EUNIS]). European earthworm assemblage data from the sWORM and Edaphobase databases were analysed for variation in composition within and among ecosystem types, using Permutational Analysis of Variance and Analysis of Similarities. Additionally, we used Typical Species Analysis to establish typical earthworm assemblages (TAs) for each ecosystem type. Ecosystem classifications using the BGR explained more variance than HLZ, but HLZ showed a higher separation of assemblages between ecosystem types. The differentiation between Atlantic and Continental climates in the BGR could explain the superiority over the HLZ, which had only one category for the cool temperate zone of our study region. The typical assemblages contained on average six species, with some habitat generalists present in most. This study shows that combinations of ecosystem properties from different spatial scales can be used to distinguish between earthworm assemblages at the European level. However, earthworm assemblages across Europe were highly similar due to low species richness and the dominance of a few widespread species. This limits the possibility of applying TAs on large spatial scales, for example, for environmental monitoring. We suggest that future studies should explore the use of more species‐rich groups of soil organisms to characterize ecosystem types.
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 | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».