Distribution and environmental drivers of multi-functional community traits in the Sundarbans mangrove forest
Notice bibliographique
Résumé
ABSTRACT Mangrove forests are vital blue-carbon ecosystems, playing a crucial role in global carbon storage, climate regulation, and biodiversity conservation. However, escalating environmental threats, particularly salinity intrusion, necessitate a deeper understanding of their functional dynamics to inform effective conservation and restoration strategies. This study examines the distribution of multi-functional community traits (MFCT) and their environmental drivers across mangrove functional groups (pioneer, mid-successional, climax) along salinity gradients in the Sundarbans, the world’s largest mangrove forest. Using data from 62 plots, nine functional traits from 17 mangrove species were analysed to evaluate MFCT diversity and its environmental determinants. Results revealed distinct variations in MFCT diversity, with mid-successional species exhibiting the highest trait diversity (64.0 ± 1.58), followed by climax (51.3 ± 2.09) and pioneer groups (50.2 ± 2.26). Climax species demonstrated resilience to salinity increases (R² = 0.29, p < 0.001), whereas mid-successional and pioneer groups were negatively affected (R² = 0.22, p < 0.001 and R² = 0.17, p < 0.001). Annual precipitation exerted contrasting effects, reducing diversity in climax species (R² = 0.25, p < 0.001) but enhancing it in mid-successional (R² = 0.22, p < 0.001) and pioneer groups (R² = 0.06, p = 0.05). Notably, MFCT values remained stable across salinity gradients, underscoring the ecosystem’s functional resilience. These findings highlight mid-successional species as keystones in sustaining mangrove multifunctionality and resilience under environmental stressors. Prioritizing these species in conservation and restoration efforts can mitigate the impacts of salinity intrusion and climate variability. By integrating the MFCT framework, resource managers can develop targeted restoration strategies to enhance ecosystem functionality and long-term stability. These insights provide a critical foundation for policymakers to align global mangrove conservation with adaptive management strategies, reinforcing coastal resilience, biodiversity conservation, and climate change mitigation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».