Effects of functional diversity loss on ecosystem functions are influenced by compensation
Notice bibliographique
Résumé
Abstract Understanding the impacts of biodiversity loss on ecosystem functioning and services has been a central issue in ecology. Experiments in synthetic communities suggest that biodiversity loss may erode a set of ecosystem functions, but studies in natural communities indicate that the effects of biodiversity loss are usually weak and that multiple functions can be sustained by relatively few species. Yet, the mechanisms by which natural ecosystems are able to maintain multiple functions in the face of diversity loss remain poorly understood. With a long‐term and large‐scale removal experiment in the Inner Mongolian grassland, here we showed that losses of plant functional groups ( PFG s) can reduce multiple ecosystem functions, including biomass production, soil NO 3 ‐N use, net ecosystem carbon exchange, gross ecosystem productivity, and ecosystem respiration, but the magnitudes of these effects depended largely on which PFG s were removed. Removing the two dominant PFG s (perennial rhizomatous grasses and perennial bunchgrasses) simultaneously resulted in dramatic declines in all examined functions, but such declines were circumvented when either dominant PFG was present. We identify the major mechanism for this as a compensation effect by which each dominant PFG can mitigate the losses of others. This study provides evidence that compensation ensuing from PFG losses can mitigate their negative consequence, and thus natural communities may be more resilient to biodiversity loss than currently thought if the remaining PFG s have strong compensation capabilities. On the other hand, ecosystems without well‐developed compensatory functional diversity may be much more vulnerable to biodiversity loss.
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 | 0,000 | 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) | 0,001 | 0,001 |
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 ».