Quelle est la relation qui relie les traits fonctionnels agrégés de la communauté et la fertilité du sol ?
Notice bibliographique
Résumé
Un objectif de l’écologie fonctionnelle est d’être capable de prédire l’assemblage des communautés en fonction de leur position le long de gradients environnementaux. C’est quelque chose qui a déjà été fait avec succès en utilisant des modèles comme CATS ou TRAITSPACE. Ces modèles ont déjà permis de faire de bonnes prédictions de l’abondance relative des espèces en fonction des valeurs de leurs traits et des traits agrégés de la communauté. Il est généralement admis par de nombreux auteurs que la fertilité du sol fait partie de ces gradients environnementaux qui vont fortement influencer la répartition des espèces et des communautés végétales. C’est pourquoi dans la littérature, il est régulièrement émis l’hypothèse qu’il existe des relations entre les traits fonctionnels agrégés par la communauté et la fertilité du sol qui s’applique à cette échelle. Ces relations entre traits et fertilité sont généralement admises et constituent la base de nombreux travaux, mais elles ne sont pas comparables entre elles et n’ont jamais pu être démontrées mathématiquement. C’est pourquoi elles ne peuvent pas être généralisées à grande échelle. L’objectif principal de mon doctorat est de tester et quantifier ces relations d’une manière comparable d’un endroit à l’autre. \nIl existe des guides communément utilisés en écologie des communautés, sur les méthodes standardisées et les protocoles à utiliser pour mesurer les traits fonctionnels de façon reproductible d’une étude à une autre. Ce n’est pas aussi simple pour mesurer la fertilité du sol. En effet, les méthodes utilisées pour le faire ont été développées pour l’agriculture, pour une espèce donnée, un climat particulier et un sol particulier. Ces méthodes, très spécifiques, ne sont pas adaptées pour caractériser la fertilité généralisée du sol qui s’applique à l’échelle de l’ensemble des espèces d’une communauté. La démarche présentée dans ce doctorat peut être décrite en trois étapes. La première étape est de développer une méthode qui permette de mesurer la fertilité généralisée. Pour le faire, nous avons utilisé les équations structurelles, en particulier le modèle de mesure de variable latente appliqué à des mesures de croissances de quatre espèces de prairies (F. rubra, T. pratense, T. aestivum, et A. thaliana) qui ont poussé dans des sols collectés dans le sud du Québec. Le modèle permet de prédire et quantifier la fertilité généralisée en utilisant la réponse des plantes de manière indépendante des caractéristiques du sol. Nous avons aussi cherché à améliorer la méthode en développant trois autres protocoles pour mesurer cette fertilité généralisée. La deuxième étape consistait à mesurer sur les mêmes sites où nous avons mesuré la fertilité, les traits fonctionnels agrégés par la communauté en utilisant les méthodes disponibles dans les guides. Cela nous a permis d’étudier les corrélations entre les mesures de fertilité que nous avons réalisées et les différents traits fonctionnels que nous avons mesurés sur le terrain au Québec. Et finalement, la troisième étape consistait à valider la méthode dans une autre région géographique. Pour cela, je suis allé sur un site étudié par le CNRS de Montpellier, dans le sud de la France où j’ai mesuré la fertilité généralisée. Nous avons ensuite pu comparer ces mesures de fertilité avec les mesures de traits fonctionnels qui avaient déjà été faites dans les études précédentes du CNRS. Cette dernière étape consistait à (i) vérifier s’il était possible de généraliser notre méthode à d’autres endroits et (ii) vérifier si les relations traits-fertilité étaient conservées entre les sites du Québec et de la France. \n \nLes résultats montrent que les réponses de croissance des quatre espèces sont fortement corrélées et que le modèle de mesure permet de quantifier la fertilité généralisée du sol. Ces mesures sont également de meilleurs prédicteurs de la production de biomasse des communautés naturelles des sites lorsqu’elles ont poussé dans les mêmes conditions environnementales que les RGR des quatre espèces ou les flux de nutriments (N, P, K). Les résultats montrent également que les mesures de traits fonctionnels sont fortement corrélées avec les mesures de fertilité généralisée et que ces corrélations sont généralement plus fortes qu’avec les mesures de nutriments du sol. La méthode a pu être appliquée au sud de la France et les relations trait-fertilité identifiées au Québec semblent se conserver là-bas.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».