Aspects of the seed ecology of Acacia karroo in the Eastern Cape, South Africa
Notice bibliographique
Résumé
Abstract Seed ecology may play a role in the widespread increase of Acacia karroo in savanna and grassland. Accordingly, fecundity, predation, mortality by fire, dispersal by livestock, and seed longevity were studied. Seed production per tree (P of pod production, pods per tree) was positively related to tree height, negatively related to tree density, and was greater for sites receiving run-on. Predispersal predation by bruchids, cerambycids, and wasps depleted seed production by 18%. The ant Messor capensis effectively eliminated surface seed except during the early dry season following seed shed. Rodent predation of seed was minimal. Fires >100 °C killed most exposed seed but a thin layer of soil increased survival and maintained germinability. A greater proportion of ingested seeds passed through cattle (57%) and sheep (50%) than through goats (15%). 50% of seeds were recovered within 48 h. During passage, soft seeds were digested, some hard seeds were softened, but most were egested as hard seeds; germinability was not increased. Cattle were confirmed as dispersal agents. Using experimental seed banks, it was shown that buried or surface-exposed seeds did not persist for longer than a year, but 24% of surface-shaded seeds persisted for two years. Most seeds germinated but most buried seeds died before emergence. Seed persistence in deep shade should facilitate invasion into grassland. Seed banks of. A. karroo did not exceed 18 seeds m−2 because of the above-described effects. Seed availability (fecundity, dispersal by cattle, seed longevity) is concluded to contribute to the invasiveness of A. karroo, but use of fire may offer partial control of seed availability. Keywords: dispersalfireseed bankseed longevityseed predationseed production
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».