MétaCan
Menu
Retour à la cohorte
Enregistrement W4309690600 · doi:10.1111/1365-2745.14038

Nutrient addition drives declines in grassland species richness primarily via enhanced species loss

2022· article· en· W4309690600 sur OpenAlexaff
Andrew J. Muehleisen, Carmen R. E. Watkins, Gabriella R. Altmire, E. Ashley Shaw, Madelon F. Case, Lina Aoyama, Alejandro Brambila, Paul B. Reed, Marina LaForgia, Elizabeth T. Borer, Eric W. Seabloom, Jonathan D. Bakker, Carlos Alberto Arnillas, Lori Biederman, Qingqing Chen, Elsa E. Cleland, Anu Eskelinen, Philip A. Fay, Nicole Hagenah, W. Stanley Harpole, Yann Hautier, Jeremiah A. Henning, Johannes M. H. Knops, Kimberly J. Komatsu, Emma Ladouceur, Ramesh Laungani, Andrew MacDougall, Rebecca L. McCulley, Joslin L. Moore, Tim Ohlert, Sally A. Power, Xavier Raynaud, Carly Stevens, Risto Virtanen, Peter A. Wilfahrt, Lauren M. Hallett

Notice bibliographique

RevueJournal of Ecology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of GuelphUniversity of Toronto
Organismes subventionnairesResearch Committee, Aristotle University of ThessalonikiInstitute on the Environment, University of MinnesotaAgricultural Research ServiceUniversity of MinnesotaDivision of Environmental BiologyU.S. Department of AgricultureAgence Nationale de la RechercheNational Science Foundation
Mots-clésSpecies richnessColonizationGrasslandEcologyExtinction (optical mineralogy)BiologyNutrientForbPerennial plantPlant communityBiodiversity

Résumé

récupéré en direct d'OpenAlex

Abstract Declines in grassland diversity in response to nutrient addition are a general consequence of global change. This decline in species richness may be driven by multiple underlying processes operating at different time‐scales. Nutrient addition can reduce diversity by enhancing the rate of local extinction via competitive exclusion, or by reducing the rate of colonization by constraining the pool of species able to colonize under new conditions. Partitioning net change into extinction and colonization rates will better delineate the long‐term effect of global change in grasslands. We synthesized changes in richness in response to experimental fertilization with nitrogen, phosphorus and potassium with micronutrients across 30 grasslands. We quantified changes in local richness, colonization, and extinction over 8–10 years of nutrient addition, and compared these rates against control conditions to isolate the effect of nutrient addition from background dynamics. Total richness at steady state in the control plots was the sum of equal, relatively high rates of local colonization and extinction. On aggregate, 30%–35% of initial species were lost and the same proportion of new species were gained at least once over a decade. Absolute turnover increased with site‐level richness but was proportionately greater at lower‐richness sites relative to starting richness. Loss of total richness with nutrient addition, especially N in combination with P or K, was driven by enhanced rates of extinction with a smaller contribution from reduced colonization. Enhanced extinction and reduced colonization were disproportionately among native species, perennials, and forbs. Reduced colonization plateaued after the first few (<5) years after nutrient addition, while enhanced extinction continued throughout the first decade. Synthesis . Our results indicate a high rate of colonizations and extinctions underlying the richness of ambient communities and that nutrient enhancement drives overall declines in diversity primarily by exclusion of previously established species. Moreover, enhanced extinction continues over long time‐scales, suggesting continuous, long‐term community responses and a need for long‐term study to fully realize the extinction impact of increased nutrients on grassland composition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,222
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of EcologyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207