The effects of grazing on foliar trait diversity and niche differentiation in Tibetan alpine meadows
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Niche differentiation arising in functional trait diversity is expected to increase the potential for species coexistence, but empirical evidence for these relationships is sparse. We test whether grazing increases the functional diversity of leaf traits and niche differentiation in phosphorus limited Tibetan alpine meadows. We measured five traits in the leaf economic spectrum (LES; LC, leaf carbon concentration; LN, leaf nitrogen concentration; LP, leaf phosphorus concentration; SLA, specific leaf area; and LDMC, leaf dry matter content) for all species occurring in grazed and ungrazed plots at each of five sites. By comparing indicators of the fundamental and realized niches of co‐occurring plants in both grazed and ungrazed plots, we quantified a grazing‐mediated competitive effect on trait divergence and convergence. This trait response reflects the relative importance of niche differentiation and competitive exclusion in response to grazing. We found that while grazing induced LP divergence, both LC and LN tended to converge under grazing. Grazing had no effect on either SLA or LDMC diversity. When all five traits are considered together as a functionally integrated suite (LES hypervolume), there is no evidence for either divergence or convergence in response to grazing. Although grazing promotes functionally relevant diversity in LP that enables niche differentiation in competition for scarce soil available P, these results suggest that coordinated shifts in other LES traits sustain effective overall foliar function despite shifts in LP.
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.
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 découle