How do seasonality, substrate, and management history influence macrofungal fruiting assemblages in a central Amazonian Forest?
Notice bibliographique
Résumé
Abstract Worldwide, fungal richness peaks in tropical forest biomes where they are the primary drivers of decomposition. Understanding how environmental and anthropogenic factors influence tropical macrofungal fruiting patterns should provide insight as to how, for example, climate change and deforestation may impact their long‐term demographic stability and evolutionary potential. However, in Amazonia no studies have yet to disentangle the effects of substrate, seasonality and forest history on phenology. Here, we quantitate spatial and temporal variation in community structure of fruiting macrofungi in relation to these factors at a long‐term forest management research site in central Amazonia: the Biomass and Nutrients of Tropical Rain Forest ( BIONTE 's). Basidiome surveys of four substrate classes (leaves, soil, branches and trunks) were conducted along 250 m 2 transects in primary and secondary (managed) forests, between 2012–13. From the 669 basidiomes collected, 290 taxa were identified of which 44 percent were restricted to primary and 36 percent to secondary forests. Although species‐accumulation curves did not asymptote, rarefaction analyses and Fisher's alpha indicate contrasting differences in richness among forests in relation to substrate type. For example, leaf litter basidiome richness was higher in secondary forests, whereas the contrary was observed for soil communities, suggesting that variation in fruiting patterns in relation to disturbance is substrate‐dependent possibly due to differences in necromass quality and/or understory micro‐climates. Furthermore, secondary forests harbored significantly lower basidiome richness and abundance in dry months, suggesting synergistic impacts of seasonality and management history on fruiting regimes.
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) | 0,000 | 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 ».