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 ( DPR s) 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, FD is) on UABP using 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 on UABP . Furthermore, CWM and FD is, respectively, exhibited positive and no effect on UABP . Among the covariates, soil fertility, stand age, and overstory tree basal area had, respectively, positive, negative, and no effect on UABP . In the model without species richness, all trait variables had similar effects on UABP to those in the full model. In the richness‐only model without traits, species richness, soil fertility and stand age had no effect on UABP . Conclusions Our results suggest that the selection effect largely determined understory DPR s due to the stronger effects of CWM on UABP than of FD is. Soil fertility exhibited the strongest influence on understory DPR s 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 understory DPR s. Stand age exhibited a negative effect on UABP , 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 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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».