Skip navigation
  • Portal do Governo Brasileiro
DSpace logo
  • Home
  • Browse
    • Communities
      & Collections
    • Browse Items by:
    • Issue Date
    • Author
    • ???browse.menu.advisor???
    • Title
    • Subject
    • ???browse.menu.type???
    • ???browse.menu.cnpq???
    • ???browse.menu.department???
    • ???browse.menu.program???
    • ???browse.menu.access???
  • Feedback
  • Language
    • español
    • English
    • português
  • Sign on to:
    • My DSpace
    • Receive email
      updates
    • Edit Profile

Please use this identifier to cite or link to this item: https://repositorio.museu-goeldi.br/handle/mgoeldi/2738
metadata.dc.type: Artigo de Periódico
Title: Unraveling Amazon tree community assembly using Maximum Information Entropy: a quantitative analysis of tropical forest ecology
Other Titles: Desvendando a montagem da comunidade de árvores da Amazônia usando Máxima Entropia da Informação: uma análise quantitativa da ecologia das florestas tropicais
metadata.dc.creator: Pos, Edwin
Ferreira, Leandro Valle
et al
metadata.dc.description.resumo: In a time of rapid global change, the question of what determines patterns in species abundance distribution remains a priority for understanding the complex dynamics of ecosystems. The constrained maximization of information entropy provides a framework for the understanding of such complex systems dynamics by a quantitative analysis of important constraints via predictions using least biased probability distributions. We apply it to over two thousand hectares of Amazonian tree inventories across seven forest types and thirteen functional traits, representing major global axes of plant strategies. Results show that constraints formed by regional relative abundances of genera explain eight times more of local relative abundances than constraints based on directional selection for specifc functional traits, although the latter does show clear signals of environmental dependency. These results provide a quantitative insight by inference from large-scale data using cross-disciplinary methods, furthering our understanding of ecological dynamics.
Abstract: Em uma época de rápidas mudanças globais, a questão sobre o que determina os padrões na distribuição da abundância das espécies permanece uma prioridade para a compreensão da dinâmica complexa dos ecossistemas. A maximização da entropia da informação sob restrições fornece uma estrutura para a compreensão dessa dinâmica complexa de sistemas por meio de uma análise quantitativa de restrições importantes por meio de previsões usando distribuições de probabilidade menos tendenciosas. Aplicamos essa abordagem a mais de dois mil hectares de inventários de árvores da Amazônia em sete tipos de floresta e treze características funcionais, representando os principais eixos globais das estratégias de plantas. Os resultados mostram que as restrições formadas pelas abundâncias relativas regionais dos gêneros explicam oito vezes mais as abundâncias relativas locais do que as restrições baseadas na seleção direcional para características funcionais específicas, embora estas últimas mostrem sinais claros de dependência ambiental. Esses resultados fornecem uma visão quantitativa por inferência a partir de dados de larga escala usando métodos interdisciplinares, aprofundando nossa compreensão da dinâmica ecológica.
Keywords: Ecology
Rainforest - Amazon
Maximum Information Entropy
Quantitative Analysis
metadata.dc.subject.cnpq: CNPQ::CIENCIAS BIOLOGICAS::BOTANICA
metadata.dc.language: eng
metadata.dc.publisher.country: Brasil
Publisher: Museu Paraense Emílio Goeldi
metadata.dc.publisher.initials: MPEG
Citation: POS, Edwin et al. Unraveling Amazon tree community assembly using Maximum Information Entropy: a quantitative analysis of tropical forest ecology. Nature - scientific reports, v. 13, n. 01, p. 2859, 2023.
metadata.dc.rights: Acesso Aberto
URI: https://repositorio.museu-goeldi.br/handle/mgoeldi/2738
Issue Date: 17-Feb-2023
Appears in Collections:Botânica - Artigos Publicados em Periódicos

Files in This Item:
File Description SizeFormat 
Unraveling Amazon three community ....pdf2,74 MBAdobe PDFThumbnail
View/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

logo-mctic