Biodiversity and ecosystem functioning: Have our experiments and indices been underestimating the role of facilitation?
Notice bibliographique
Résumé
Abstract After 25 years of biodiversity experiments, it is clear that higher biodiversity (B) plant communities are usually more productive and often have greater ecosystem functioning (EF) than lower diversity communities. However, the mechanisms underlying this positive biodiversity – ecosystem functioning (BEF) relationship are still poorly understood. The vast majority of past work in BEF research has focused on the roles of mathematically partitioned complementarity and selection effects. While these mathematical approaches have provided insights into underlying mechanisms, they have focused strongly on competition and resource partitioning. Importantly, mathematically partitioned complementarity effects include multiple facilitative mechanisms, including dilution of species‐specific pathogens, positive changes in soil nutrient cycling, associational defence and microclimate amelioration. Synthesis . This Special Feature takes an experimental and mechanistic approach to teasing out the facilitative mechanisms that underlie positive BEF relationships. As an example, we demonstrate diversity‐driven changes in microclimate amelioration. Articles in this Special Feature explore photoinhibition, experimental manipulations of microclimate, lidar examinations of plant canopy effects and higher‐order trophic interactions as facilitative mechanisms behind classic BEF processes. We emphasize the need for future BEF experiments to disentangle the facilitative mechanisms that are interlinked with niche complementarity to better understand the fundamental processes by which diversity regulates life on Earth.
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) | 0,000 | 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 ».