Effects of species diversity on fine root productivity in diverse ecosystems: a global meta‐analysis
Notice bibliographique
Résumé
Abstract Aim Positive relationships between plant species diversity and above‐ground productivity have been observed across a wide range of terrestrial ecosystems. Despite a critical contribution of below‐ground productivity to overall terrestrial productivity, no consensus exists about the nature of the relationship between species diversity and below‐ground productivity. Location Global. Methods We collected data from published studies conducted in natural and planted forests and experimental grassland, crop and pot systems that were purposely implemented to isolate the effects of plant species diversity from other factors, such as soil conditions and topographic features. We conducted meta‐analyses of 170 observations for root biomass and 23 observations for root production, derived from 48 published studies, using weighted linear modelling with bootstrap procedures to reconcile the effects of diversity on fine root productivity. Results We found that species mixtures had, on average 28.4% higher fine root biomass and 44.8% higher annual production than monocultures. Higher fine root biomass in species mixtures than in monocultures was consistent across natural forests, planted grasslands, croplands and pot systems, except for young planted forests. Transgressive overyielding was only evident for planted grasslands. The log response ratio of fine root biomass in species mixtures to that in respective monocultures increased with species richness across all ecosystem types, and also increased with experiment age in grasslands. Main conclusions Our meta‐analysis reveals positive effects of species diversity on below‐ground productivity. Despite profound differences in environments among terrestrial ecosystems, our analysis demonstrated that below‐ground productivity responds similarly to variations in species richness. Furthermore, our study also reveals shifts in the effects of diversity over time in both forests and grasslands. Future efforts are needed to further understand below‐ground productivity–diversity relationships.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,027 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».