Linking understory species diversity, community‐level traits and productivity in a Chinese boreal forest
Notice bibliographique
Résumé
Abstract Question The consensus has been growing over the past decade that functional traits and diversity are better to explain forest overstory diversity–productivity relationships (DPRs) than species diversity. Although the understory accounts for the majority of plant diversity in forests, it remains unclear how understory aboveground biomass production (UABP) is influenced by its species diversity and community‐level functional traits. Location Great Xing'an Mountains of ortheastern China. Methods We quantified the effects of species richness, community aggregated traits (community weighted mean trait values,CWM) and functional diversity (functional dispersion,FDis) onUABPusing structural equation modeling (SEM), which simultaneously accounted for the effects of overstory tree basal area, stand age, and soil fertility. Results In the full model, species richness had a negative direct, a positive indirect and no total effect onUABP. Furthermore,CWMandFDis, respectively, exhibited positive and no effect onUABP. Among the covariates, soil fertility, stand age, and overstory tree basal area had, respectively, positive, negative, and no effect onUABP. In the model without species richness, all trait variables had similar effects onUABPto those in the full model. In the richness‐only model without traits, species richness, soil fertility and stand age had no effect onUABP. Conclusions Our results suggest that the selection effect largely determined understoryDPRs due to the stronger effects ofCWMonUABPthanof FDis. Soil fertility exhibited the strongest influence on understoryDPRs due to its parallel influences on traits, diversity, and productivity. The increase in resource availability induced by overstory tree litter‐fall likely promoted soil fertility as the main driver of the understoryDPRs. Stand age exhibited a negative effect onUABP, which may have contributed to the increases in shrub dominance and decreases in production due to limited resources.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
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 ».