Explaining ecosystem multifunction with evolutionary models
Notice bibliographique
Résumé
Ecosystem function is the outcome of species interactions, traits, and niche overlap - all of which are influenced by evolution. However, it is not well understood how the tempo and mode of niche evolution can influence ecosystem function. In evolutionary models where either species differences accumulate through random drift in a single trait or species differences accumulate through divergent selection among close relatives, we should expect that ecosystem function is strongly related to diversity. However, when strong selection causes species to converge on specific niches or when novel traits that directly affect function evolve in some clades but not others, the relationship between diversity and ecosystem function might not be very strong. We test these ideas using a field experiment that established plant mixtures with differing phylogenetic diversities and we measured ten different community functions. We show that some functions were strongly predicted by species richness and mean pairwise phylogenetic distance (MPD, a measure of phylogenetic diversity), including biomass production and the reduction of herbivore and pathogen damage in polyculture, while other functions had weaker (litter production and structural complexity) or nonsignificant relationships (e.g., flower production and arthropod abundance) with MPD and richness. However, these divergent results can be explained by different models of niche evolution. These results show that diversity-ecosystem function relationships are the product of evolution, but that the nature of how evolution influences ecosystem function is complex.
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 | 0,001 | 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 ».