Water table depth modulates productivity and biomass across Amazonian forests
Notice bibliographique
Résumé
Abstract Aim Water availability is the major driver of tropical forest structure and dynamics. Most research has focused on the impacts of climatic water availability, whereas remarkably little is known about the influence of water table depth and excess soil water on forest processes. Nevertheless, given that plants take up water from the soil, the impacts of climatic water supply on plants are likely to be modulated by soil water conditions. Location Lowland Amazonian forests. Time period 1971–2019. Methods We used 344 long‐term inventory plots distributed across Amazonia to analyse the effects of long‐term climatic and edaphic water supply on forest functioning. We modelled forest structure and dynamics as a function of climatic, soil‐water and edaphic properties. Results Water supplied by both precipitation and groundwater affects forest structure and dynamics, but in different ways. Forests with a shallow water table (depth <5 m) had 18% less above‐ground woody productivity and 23% less biomass stock than forests with a deep water table. Forests in drier climates (maximum cumulative water deficit < −160 mm) had 21% less productivity and 24% less biomass than those in wetter climates. Productivity was affected by the interaction between climatic water deficit and water table depth. On average, in drier climates the forests with a shallow water table had lower productivity than those with a deep water table, with this difference decreasing within wet climates, where lower productivity was confined to a very shallow water table. Main conclusions We show that the two extremes of water availability (excess and deficit) both reduce productivity in Amazon upland (terra‐firme) forests. Biomass and productivity across Amazonia respond not simply to regional climate, but rather to its interaction with water table conditions, exhibiting high local differentiation. Our study disentangles the relative contribution of those factors, helping to improve understanding of the functioning of tropical ecosystems and how they are likely to respond to 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 | 0,000 |
| 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 ».