Hyper Diversity, Species Richness, and Community Structure in ESS and Non-ESS Communities
Notice bibliographique
Résumé
Abstract In mathematical models of eco-evolutionary dynamics with a quantitative trait, two species with different strategies can coexist only if they are separated by a valley or peak of the adaptive landscape. A community is ecologically and evolutionarily stable if each species’ trait sits on global, equal fitness peaks, forming a saturated ESS community. However, the adaptive landscape may allow communities with fewer ( undersaturated ) or more ( hypersaturated ) species than the ESS. Non-ESS communities at ecological equilibrium exhibit invasion windows of strategies that can successfully invade. Hypersaturated communities can arise through mutual invasibility where each non-ESS species’ strategy lies in another’s invasion window. Hypersaturation in ESS communities with more than 1 species remains poorly understood. We use the G -function approach to model niche coevolution and Darwinian dynamics in a Lotka–Volterra competition model. We confirm that up to 2 species can coexist in a hypersaturated community with a single-species ESS if the strategy is scalar-valued, or 3 species if the strategy is bivariate. We conjecture that at most $$n \cdot \left( {s + 1} \right)$$ n · s + 1 species can form a hypersaturated community, where $$n$$ n is the number of ESS species at the strategy’s dimension $$s$$ s . For a scalar-valued 2-species ESS, 4 species coexist by “straddling” the would-be ESS traits. When our model has a 5-species ESS, we can get 7 or 8, but not 9 or 10, species coexisting in the hypersaturated community. In a bivariate model with a single-species ESS, an infinite number of 3-species hypersaturated communities can exist. We offer conjectures and discuss their relevance to ecosystems that may be non-ESS due to invasive species, climate change, and human-altered landscapes.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 | 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 ».