Biodiversity stabilizes primary productivity through compensatory effects under warming conditions
Notice bibliographique
Résumé
Abstract Aim Diversity may increase the resistance of ecosystem productivity to environmental stress, such as warming, via compensatory processes associated with adjustments of species interactions. However, experimental evidence of compensatory processes that buffer productivity declines in relation to environmental stress is limited, especially in below‐ground settings. We asked whether species richness could stabilize productivity under warming via compensatory responses in root biomass and root functional traits. Methods Using three herbaceous species, we created plant communities composed of four individuals in either monocultures or two‐ and three‐species assemblages. We grew them at three temperatures, simulating current climate conditions, moderate warming and severe warming, respectively. We built mixed‐linear mixed models to model plant productivity by species richness and warming and we also analyzed the interactive roles of species richness and warming in species interaction and root functional traits. Results We found that warming reduced both above‐ and below‐ground productivity and shifted the biodiversity–productivity relationship from negative to positive. Productivity reductions were weaker in richer species combinations. Warming ameliorated the strength of interspecific competition below‐ground in mixed‐species communities by reducing the root biomass of strong competitors, which benefitted root growth of weaker competitors. Conclusions Our results suggest warming can facilitate compensatory responses in herbaceous root productivity across species competition hierarchies. These compensatory processes by which species richness stabilizes plant community functioning emphasize the importance that plant functional diversity has in maintaining ecosystem functioning with climate change.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».