A cross‐scale assessment of productivity–diversity relationships
Notice bibliographique
Résumé
Abstract Aim Biodiversity and ecosystem productivity vary across the globe, and considerable effort has been made to describe their relationships. Biodiversity and ecosystem functioning research has traditionally focused on how experimentally controlled species richness affects net primary productivity ( S → NPP) at small spatial grains. In contrast, the influence of productivity on richness (NPP → S ) has been explored at many grains in naturally assembled communities. Mismatches in spatial scale between approaches have fuelled debate about the strength and direction of biodiversity–productivity relationships. Here, we examine the direction and strength of the influence of productivity on diversity (NPP → S ) and the influence of diversity on productivity ( S → NPP) and how these vary across spatial grains. Location Contiguous USA. Time period 1999–2015. Major taxa studied Woody species (angiosperms and gymnosperms). Methods Using data from North American forests at grains from local (672 m 2 ) to coarse spatial units (median area = 35,677 km 2 ), we assess relationships between diversity and productivity using structural equation and random forest models, while accounting for variation in climate, environmental heterogeneity, management and forest age. Results We show that relationships between S and NPP strengthen with spatial grain. Within each grain, S → NPP and NPP → S have similar magnitudes, meaning that processes underlying S → NPP and NPP → S either operate simultaneously or that one of them is real and the other is an artefact. At all spatial grains, S was one of the weakest predictors of forest productivity, which was largely driven by biomass, temperature and forest management and age. Main conclusions We conclude that spatial grain mediates relationships between biodiversity and productivity in real‐world ecosystems and that results supporting predictions from each approach (NPP → S and S → NPP) serve as an impetus for future studies testing underlying mechanisms. Productivity–diversity relationships emerge at multiple spatial grains, which should widen the focus of national and global policy and research to larger spatial grains.
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 | 0,001 |
| 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 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 ».