Functional rarity and evenness are key facets of biodiversity to boost multifunctionality
Notice bibliographique
Résumé
The functional traits of organisms within multispecies assemblages regulate biodiversity effects on ecosystem functioning. Yet how traits should assemble to boost multiple ecosystem functions simultaneously (multifunctionality) remains poorly explored. In a multibiome litter experiment covering most of the global variation in leaf trait spectra, we showed that three dimensions of functional diversity (dispersion, rarity, and evenness) explained up to 66% of variations in multifunctionality, although the dominant species and their traits remained an important predictor. While high dispersion impeded multifunctionality, increasing the evenness among functionally dissimilar species was a key dimension to promote higher multifunctionality and to reduce the abundance of plant pathogens. Because too-dissimilar species could have negative effects on ecosystems, our results highlight the need for not only diverse but also functionally even assemblages to promote multifunctionality. The effect of functionally rare species strongly shifted from positive to negative depending on their trait differences with the dominant species. Simultaneously managing the dispersion, evenness, and rarity in multispecies assemblages could be used to design assemblages aimed at maximizing multifunctionality independently of the biome, the identity of dominant species, or the range of trait values considered. Functional evenness and rarity offer promise to improve the management of terrestrial ecosystems and to limit plant disease risks.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».