Effects of biotic interactions on tropical tree performance depend on abiotic conditions
Notice bibliographique
Résumé
Predicting biotic responses to environmental change requires understanding the joint effects of abiotic conditions and biotic interactions on community dynamics. One major challenge is to separate the potentially confounding effects of abiotic environmental variation and local biotic interactions on individual performance. The stress gradient hypothesis (SGH) addresses this issue directly by predicting that the effects of biotic interactions on performance become more positive as the abiotic environment becomes more stressful. It is unclear, however, how the predictions of the SGH apply to plants of differing functional strategies in diverse communities. We asked (1) how the effect of crowding on performance (growth and survival) of trees varies across a precipitation gradient, and (2) how functional strategies (as measured by two key traits: wood density and leaf mass per area, LMA) mediate average demographic rates and responses to crowding across the gradient. We built trait-based neighborhood models of growth and survival across a regional precipitation gradient where increasing precipitation is associated with reduced abiotic stress. In total, our dataset comprised ~170,000 individual trees belonging to 252 species. The effect of crowding on tree performance varied across the gradient; crowding negatively affected growth across plots and positively affected survival in the wettest plot. Functional traits mediated average demographic rates across the gradient, but we did not find clear evidence that the strength of these responses depends on species' traits. Our study lends support to the SGH and demonstrates how a trait-based perspective can advance these concepts by linking the diversity of species interactions with functional variation across abiotic gradients.
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) | 0,002 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».