It takes a village to grow a tree: most tree species benefit from \ndissimilar neighbors
Notice bibliographique
Résumé
Scientific consensus is that diverse tree species positively impact forest productivity, especially when species are functionally dissimilar. Under the complementarity hypothesis, differences in species traits reduce competition among neighboring tree species. However, while this relationship has been extensively studied at the community level, there is a lack of understanding regarding how individuals of different species specifically respond to a functionally dissimilar neighborhood. In this study, we used permanent plots from Quebec, Canada, and 19 focal tree species to test whether: (1) tree growth response to neighborhood dissimilarity varies with their identity and competition intensity, and (2) focal tree species’ traits explain their response to neighborhood dissimilarity. We demonstrate that: tree growth is primarily influenced by competition, species identity, and their interactions, but that dissimilarity, alone and in interaction with the main drivers of tree growth, explains an additional 1.8% of the variation in species growth. Within this context, (1) most species’ respond positively to neighborhood dissimilarity, with magnitude being species and competition dependent, and (2) focal tree traits partly explain these dependencies, with shade-intolerant species benefiting most from dissimilar neighbors under high competition. Our study provides empirical support for the complementarity hypothesis, emphasizing the small but consistent positive effect of functional dissimilarity on tree growth in local neighborhoods. Our findings identify the species with the highest potential of benefiting from dissimilar neighbors but also demonstrate that the positive effect of neighborhood dissimilarity is not limited to a select few species with specific traits; rather, it is observed across a diverse range of species. The cumulative growth responses of individuals to functionally dissimilar neighbors may help explain the commonly observed higher productivity in more diverse communities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».