Functional diversity promotes phytoplankton resource use efficiency
Notice bibliographique
Résumé
Abstract Understanding the relationship between biodiversity and ecosystem functioning (BEF) is a central topic in ecology. Multi‐trait–based functional diversity has been proposed to improve mechanistic understanding of the BEF relationship; however, how trait‐based functional diversity affects ecosystem functioning and processes has rarely been addressed in aquatic ecosystems. Here, we examined the causal relationships between three phytoplankton functional diversity indices (FAD2, functional diversity based on dendrograms [FDc], FRic) and Shannon diversity index versus resource use efficiency for nitrogen (RUE N ), phosphorus (RUE P ) and silicate (RUE Si ), with monthly long‐term datasets from the marine (Western English Channel, 2000–2014) and freshwater (Lake Kasumigaura, 1984–2012) ecosystems. We employed Convergent Cross Mapping (CCM), a novel method developed for identifying causality for nonlinear dynamical systems; this is in contrast to linear approaches that cannot distinguish causality from correlation. CCM found that FDc is the most robust functional diversity index among the selected functional diversity indices (FAD2, FDc, FRic) in predicting phytoplankton resource use efficiency and exhibited a much stronger causal effect than the Shannon index. Furthermore, scenario exploration analysis indicates that most causal effects from phytoplankton diversity indices on resource use efficiency (RUE N , RUE P and RUE Si ) are on average positive, and FDc exhibited the most consistent positive causal effects on phytoplankton resource efficiency in both marine and freshwater ecosystems. Thus, increasing FDc can enhance phytoplankton resource use efficiency in aquatic ecosystems. Synthesis. Our results show significant causal effects of functional diversity on phytoplankton resource use efficiency in both marine and freshwater ecosystems. Among all selected functional diversity indices, functional diversity based on dendrogram is the most robust functional diversity index in promoting phytoplankton resource efficiency. Our study provides empirical evidences in natural aquatic systems that trait‐based functional diversity represents better species niche partitioning than the Shannon index and thereafter enhances resource use efficiency. This finding can improve our understanding on trophic transfer and nutrient cycling in aquatic ecosystems.
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) | 0,004 | 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 ».