Diversity in Resource Use Strategies Promotes Productivity in Young Planted Tree Species Mixtures
Notice bibliographique
Résumé
Mixed-species forestry is a promising approach to enhance productivity, increase carbon sequestration, and mitigate climate change. Diverse forests, composed of species with varying structures and functional trait profiles, may have higher functional and structural diversity, which are attributes relevant to a number of mechanisms that can influence productivity. However, it remains unclear whether the context-dependent roles of functional identity, functional diversity, and structural diversity can lead to a generalized understanding of tree diversity effects on stand productivity. To address these gaps, we analyzed growth data from 83,600 trees from 89 species across 21 young tree diversity experiments spanning five continents and three biomes. Results revealed a positive saturating relationship between tree species richness and stand productivity, with reduced variability in growth rates among more diverse stands. Structural equation modeling demonstrated that functional diversity mediated the positive effects of species richness on productivity. We additionally report a negative relationship between structural diversity and productivity, which decreased with increasing species richness. When partitioning net diversity effects, we found that selection effects played a dominant role in driving the overall increase in productivity in these predominantly young stands, contributing 77% of the net diversity effect. Selection effects increased with diversity in wood density. Furthermore, acquisitive species with lower wood density and higher leaf nitrogen content had higher productivity in more diverse stands, while conservative species showed neutral to slightly negative responses to species mixing. Together, these results suggest that combining acquisitive with conservative species allows acquisitive species to drive positive selection effects while conservative species tolerate competition. Thus, contrasting resource-use strategies can enhance productivity to optimize mixed-species forestry, with potential for both ecological and economic benefits.
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 ».