The relationship between functional dispersion of mixed‐species leaf litter mixtures and species' interactions during decomposition
Notice bibliographique
Résumé
We tested the hypothesis that interactions between plant species during the process of mixed‐species leaf litter decomposition increases with increasing functional diversity of leaves within the mixtures; specifically, there is a positive correlation between functional dispersion and the deviations from Grime's biomass‐ratio hypothesis, with a null intercept. We measured decomposition rates (mg g −1 d −1 ) of mixed‐species leaf litter from two experimental designs: 1) a microcosm experiment with litterbags of species mixtures combining six tree species, alone and in 42 combinations, and 2) an in situ litterbag experiment with all possible mixture combinations of four herb species (from one to four species). Interaction strengths and directions were measured as deviations from community‐weighted means (CWM) of monoculture decomposition values, following the biomass‐ratio hypothesis (BRH). Functional diversity was measured as Laliberté and Legendre's functional dispersion (FDis), using leaf dry matter content (LDMC), leaf nitrogen and carbon contents, and proportions of water soluble compounds, cellulose, hemicellulose and lignin. Correlations between FDis and deviations from BRH varied strongly, depending upon the combination of functional traits, the plant type or the environmental conditions, and the way in which prediction error was expressed (absolute or actual deviation). For tree species, FDis that was based on a combination of water soluble compounds, hemicellulose concentration, and LDMC was negatively correlated with interaction strength but positively with its absolute value. For herbs, interaction strength (absolute or actual) decreased as FDis of the mixtures increased, based on cellulose and lignin contents. There was no positive correlation between functional dispersion and the deviations from Grime's biomass‐ratio hypothesis, with a null intercept. Despite a relationship between litter interactions and functional divergence, this relationship was not generalisable. Other functional traits that were missing in our study might have played an important role.
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 | 0,001 | 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 ».