Rarity and Sparseness in Plant Communities: Impact of Minor Species Removal on Beta Diversity and Canonical Ordination
Notice bibliographique
Résumé
ABSTRACT Question Among the “minor” species present in communities, we distinguish between true “rare” species, with infrequent occurrence (low occupancy) in a given regional data set, and “sparse” species, which may be present over most of the study area, but with low local abundance. Do rare and sparse species play a different role in the evaluation of beta diversity and in the constrained ordination of plant community data sets? Methods Based on their positions in the abundance‐occupancy scatterplots of six contrasted vegetation data sets, we distinguished core, rural, urban, and satellite species. To disentangle the role of rarity and sparseness, we applied to each data set a progressive removal of either the least frequent or the least locally abundant species. We assessed impacts on beta diversity (q = 0, 1 and 2), and on model performance of RDA, without or after pretransformation of absolute cover values. Results Multiplicative beta diversity decreased with the number of removed rare species, with slightly higher values for q = 2, whereas it increased when removing sparse species, with much higher values for q = 0. With raw data or after binary or by‐site transformation, the fraction of variation explained by RDA increased only slightly when removing rare species, with a more sensible increase of the relative contribution of the first canonical axis. By contrast, progressive elimination of sparse species, which mimics a lower sampling effort within each community, negatively affected model performance. Generally, the removal of rare species clearly improved the performance of RDA after double transformation (chi‐square transformation), contrary to the removal of sparse species. Conclusions The frequently observed positive correlation between occupancy and abundance hides profound differences with critical impacts on vegetation analysis. Providing that meaningful transformations are applied, there is no need to remove rare species prior to RDA. Focusing only on abundant species during sampling is likely to limit the performance of ecological empirical models.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».