MétaCan
Menu
Retour à la cohorte
Enregistrement W2168592174 · doi:10.1111/j.1365-2745.2011.01944.x

Forest productivity increases with evenness, species richness and trait variation: a global meta‐analysis

2012· article· en· W2168592174 sur OpenAlexafffund
Yu Zhang, Han Y. H. Chen, Peter B. Reich

Notice bibliographique

RevueJournal of Ecology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésSpecies evennessSpecies richnessEcologyPolycultureBiologyProductivityMonocultureBiomeAgroecosystemEcosystemBiodiversitySpecies diversityAgriculture

Résumé

récupéré en direct d'OpenAlex

Summary 1. Although there is ample support for positive species richness–productivity relationships in planted grassland experiments, a recent 48‐site study found no diversity–productivity relationship (DPR) in herbaceous communities. Thus, debate persists about diversity effects in natural versus planted systems. Additionally, current knowledge is weak regarding the influence of evenness on the DPRs, how DPRs are affected by the variation in life‐history traits among constituent species in polycultures and how DPRs differ among biomes. The impacts of these factors on DPRs in forest ecosystems are even more poorly understood. 2. We performed a meta‐analysis of 54 studies to reconcile DPRs in forest ecosystems. We quantified the net diversity effect as log effect size [ln(ES)], the log ratio of the productivity in polycultures to the average of those in monocultures within the same type of mixture, site condition and stand age of each study. The first use of a boosted regression tree model in meta‐analysis, a useful method to partition the effects of multiple predictors rather than relying on vote‐counting of individual studies, unveiled the relative influences of individual predictors. 3. Global average ln(ES) was 0.2128, indicating 23.7% higher productivity in polycultures than monocultures. The final model explained 21% of the variation in ln(ES). The predictors that substantially accounted for the explained variation included evenness (34%), heterogeneity of shade tolerance (29%), richness (13%) and stand age (15%). In contrast, heterogeneity of nitrogen fixation and growth habits, biome and stand origin (naturally established versus planted) contributed negligibly (each ≤ 4%). Log effect size strongly increased with evenness from 0.6 to 1 and with richness from 2 to 6. Furthermore, it was higher with heterogeneity of shade tolerance and generally increased with stand age. 4. Synthesis.Our analysis is, to our knowledge, the first to demonstrate the critical role of species evenness, richness and the importance of contrasting traits in defining net diversity effects in forest polycultures. While testing the specific mechanisms is beyond the scope of our analysis, our results should motivate future studies to link richness, evenness, contrasting traits and life‐history stage to the mechanisms that are expected to produce positive net biodiversity effects such as niche differentiation, facilitation and reduced Janzen–Connell effects.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,017
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0080,030
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,237
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations783
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of EcologyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207