Spatiotemporal land use dynamics filter life history strategies to shape urban spontaneous plant assemblages
Notice bibliographique
Résumé
Spontaneous plants, such as weeds, are a key component of urban flora that can provide significant ecological benefits like nutrient cycling and soil pollutant removal. Our ability to fully harness these species in urban restoration efforts is hindered, however, due to a lack of understanding of their functional ecology under urban stressors. Here, we analyzed the effects of spatiotemporal urban land dynamics on the functional diversity of spontaneous plants from three life history strategies: colonization, establishment, and nutrient acquisition. Specifically, we measured 11 functional traits of 54 spontaneous plants across 79 sampling sites in Chongqing, a rapidly growing megacity in southwestern China with a population exceeding 16 million. We found that colonization-related traits of spontaneous plants were uncorrelated with nutrient-acquisition traits. When controlled for species richness, functional α- and β-diversity showed clearer responses to urbanization that varied by life history strategy and urban development stage. Spontaneous plant assemblages became more functionally homogeneous in their colonization and nutrient-acquisition strategies within newly urbanized areas than in historically developed areas. Yet, establishment strategies exhibited a neutral response to urbanization. Our findings reveal both challenges and opportunities of utilizing spontaneous plants in urban landscapes, highlighting the need to consider temporal dynamics in urban growth and plant functional diversity across life history strategies. Effective management should focus on controlling high-dispersal spontaneous plants in historically developed areas while retaining those with diverse nutrient acquisition strategies in newly urbanized areas to maximize ecological benefits for sustainable urban development.
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 | 0,000 | 0,000 |
| 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 ».