MétaCan
Menu
Retour à la cohorte
Enregistrement W2000129130 · doi:10.1007/s13157-013-0471-4

River Connectivity Affects Submerged and Floating Aquatic Vegetation in Floodplain Wetlands

2013· article· en· W2000129130 sur OpenAlexafffund
Rebecca C. Rooney, Chris Carli, Suzanne E. Bayley

Notice bibliographique

RevueWetlands · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal wetland ecosystem dynamics
Établissements canadiensUniversity of AlbertaUniversity of Waterloo
Organismes subventionnairesKillam TrustsUniversity of Alberta
Mots-clésFloodplainWetlandOrdinationEnvironmental scienceHydrology (agriculture)Vegetation (pathology)Flood mythSedimentEcologyLandscape ecologyWater qualityFlooding (psychology)GeographyGeologyHabitatGeomorphologyBiology

Résumé

récupéré en direct d'OpenAlex

The submerged and floating plant communities in floodplain wetlands of the Upper Columbia River have never been described. To explore mechanisms behind the influence of the annual flood pulse on vegetation, we investigated how species group into flood response guilds whose distributions vary along a connectivity gradient between 44 floodplain wetlands and the river, how connectivity influences water and sediment, and to what degree the effect of connectivity on vegetation is mediated by its effects on these environmental variables. We characterised assemblages with cluster and indicator species analysis, as well as non-metric scaling ordination and tested a structural equation model, which defined the relationship between assemblage composition, sediment and water quality, and connectivity to the river. We found four assemblages, each associated with different water and sediment conditions, and positioned at differing degrees of connectivity. The model provided a good fit to the data. We conclude that in highly connected floodplain wetlands the direct effect of flooding supersedes the influence of water and sediment quality in structuring vegetation assemblages. Yet where flooding is less intense, these environmental variables resume their structuring role.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,189
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), 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

Citations41
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWetlandsMême sujetCoastal wetland ecosystem dynamicsTravaux en français237 207