Diversity-enhanced canopy space occupation and leaf functional diversity jointly promote overyielding in tropical tree communities
Notice bibliographique
Résumé
Understanding the mechanisms that drive biodiversity-productivity relationships is critical for guiding forest restoration. Although complementarity among trees in the canopy space has been suggested as a key mechanism for greater productivity in mixed-species tree communities, empirical evidence remains limited. Here, we used data from a tropical tree diversity experiment to disentangle the effects of tree species richness and community functional characteristics (community-weighted mean and functional diversity of leaf traits) on canopy space filling, and how these effects are related to overyielding. We found that canopy space filling was largely explained by species identity effects rather than tree diversity effects. Communities with a high abundance of species with a conservative resource-use strategy were those with most densely packed canopies. Across monocultures and mixtures, a higher canopy space filling translated into an enhanced wood productivity. Importantly, most communities (83 %) produced more wood volume than the average of their constituent species in monoculture (i.e. most communities overyielded). Our results show that overyielding increased with leaf functional diversity and positive net biodiversity effects on canopy space filling, which mainly arose due to a high taxonomic diversity. These findings suggest that both taxonomic diversity-enhanced canopy space filling and canopy leaf diversity are important drivers for overyielding in mixed-species forests. Consequently, restoration initiatives should promote stands with functionally diverse canopies by selecting tree species with large interspecific differences in leaf nutrition, as well as leaf and branch morphology to optimize carbon capture in young forest stands.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».