Influence of tree functional diversity and stand environment on fine root biomass and necromass in four types of evergreen broad-leaved forests
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Positive effects of tree diversity on above-ground biomass have been well documented, whereas the relationships between tree functional diversity and fine root biomass and necromass remain unclear. This study explored the variation in fine root biomass and necromass among different evergreen broad-leaved forest types, the relative importance of the niche complementarity and the mass ratio hypotheses in driving biodiversity effects, as well as forest stand attributes and environmental factors causing variation in fine root biomass and necromass. We detected no significant differences between most forest types, and the prominently lower amount of fine root biomass and necromass in monsoon evergreen broad-leaved forests may be ascribed to the accelerated turnover rate caused by the elevated temperature. Conversely, the functional divergence showed marginally positive effects on fine root necromass, hence the effects of functional diversity may be negligible; however, community-weighted mean trait values, i.e. specific leaf area and leaf phosphorus concentration, demonstrated significantly negative effects on them. Basal area and stem density showed significant influence in regulating fine root biomass. The optimal GAM models explained 79.5% and 54.4% of the variation of fine root biomass and necromass, respectively. Our results suggest that fine root biomass and necromass may be determined by the functional characteristics of dominant tree species rather than collective functional diversity and closely linked to forest stand, topographic and edaphic factors.
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.
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) | 0,000 | 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 découle