Individual-level size distribution patterns in fruit-feeding butterfly communities along a forest restoration gradient in the Afrotropics
Notice bibliographique
Résumé
The loss and degradation of tropical rainforests pose significant challenges to global conservation, yet the impact of forest restoration on the functional diversity of animal communities, particularly at the intraspecific level, remains poorly understood. This study investigates the size distribution of fruit-feeding butterflies along a gradient of tropical forest restoration ages in Kibale National Park, Uganda. Study sites were categorised into three forest age groups: younger restored (10–16 years), older restored (21–26 years), and primary forests. Butterflies were sampled across 48 sites, and individual forewing lengths were measured to analyse changes in mean forewing length, diversity, skewness, and kurtosis. The mean forewing length and diversity increased, while skewness and kurtosis decreased, towards primary forest age group. Significant differences in size metrics were observed among forest age groups, with younger restored forests showing lower diversity compared to older restored and primary forests. Intraspecific differences in forewing length were detected in six of the 12 species studied, highlighting the nuanced insights provided by individual-level data compared to species-level analyses. Kernel density plots demonstrated a gradual shift towards more uniform size distributions along the restoration gradient, suggesting that morphological diversity increases as forests mature. These findings underscore the value of considering intraspecific variation in understanding community responses to forest restoration. The study highlights the prolonged but steady progress towards primary forest, offering important implications for tropical forest conservation and applied ecology. • Examines size distribution in butterflies across forest restoration age gradients. • Finds increased forewing length diversity and reduced skewness as forests mature. • Identifies significant intraspecific size variation in six of 12 butterfly species. • Highlights discrepancies in patterns using individual- versus species-level data. • Emphasizes the importance of morphology in monitoring forest restoration progress.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».