MétaCan
Menu
Retour à la cohorte
Enregistrement W4412360348 · doi:10.1002/oik.11251

How size and resource traits control species' biomass in monoculture and mixture and drive biodiversity–ecosystem functioning relationships

2025· article· en· W4412360348 sur OpenAlexaff
Verónika Ceballos‐Núñez, Christian Wirth, Adam Thomas Clark, Michael Crawford, Caroline E. Farrior, Jes Hines, Jens Kattge, Emma Ladouceur, Jeremy W. Lichstein, Isabelle Maréchaux, Akira Mori, Björn Reineking, Lindsay A. Turnbull, Kathryn E. Barry, Nadja Rüger

Notice bibliographique

RevueOikos · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesDeutsches Zentrum für integrative Biodiversitätsforschung Halle-Jena-LeipzigDeutsche Forschungsgemeinschaft
Mots-clésBiomass (ecology)MonocultureBiodiversityEcosystemEcologyResource (disambiguation)Environmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Humans are driving unprecedented environmental change, causing the loss of species from local ecosystems. This local species loss is likely to result in declines in ecosystem functioning but understanding why these so‐called biodiversity–ecosystem functioning relationships vary is crucial for conservation and sustainable land management. Previous studies have shown that variation among biodiversity–ecosystem functioning (BEF) relationships can be explained by a ‘function–dominance correlation', i.e. the correlation of species' biomass in monoculture (‘functioning') versus mixtures (‘dominance'). One potential reason for the importance of the function–dominance correlation is its relationship to underlying plant traits. Here, we explore which traits control species' biomass in monoculture and mixture and thereby drive the function–dominance correlation, and hence BEF relationships. To do this, we perform a modeling experiment with six trait‐based models of plant community dynamics and classify model traits as either ‘size' or ‘resource' traits. This approach allows us to better generalize across systems that differ in terms of their key traits and/or how a given trait affects individual performance and ecosystem functioning. We found that size traits, but not resource traits, predicted species' monoculture biomass in five out of the six models. However, in mixture, resource traits became more important and – in addition to size traits – explained substantial variation in species' biomass in four models. In models where size traits were consistently important predictors of biomass variance in monoculture and mixture, the function–dominance correlation was high, and BEF relationships were strongly positive. Our analysis shows how generalizable categories of functional traits allow predicting BEF relationships across systems, and thereby the potential effects of losing species on ecosystem functioning.

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 candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,298

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,177
Écart entre enseignants0,170 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207