MétaCan
Menu
Retour à la cohorte
Enregistrement W2037067185 · doi:10.1139/b08-015

Herbivores and pathogens on<i>Alnus viridis</i>subsp.<i>fruticosa</i>in Interior Alaska: effects of leaf, tree, and neighbour characteristics on damage levels

2008· article· en· W2037067185 sur OpenAlexvenueno aff
Christa P. H. Mulder, Bitty A. Roy, Sabine Güsewell

Notice bibliographique

RevueBotany · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyHerbivorePhloemBotanyTaigaHost (biology)Ecology

Résumé

récupéré en direct d'OpenAlex

Parasite damage strongly affects dynamics of boreal forests. Damage levels may be affected by climate change, either directly or indirectly through changes in properties of host trees. We examined how herbivore and pathogen damage in Alnus viridis subsp. fruticosa (Rupr.) Nym. depend on leaf morphology and chemistry, tree size, and tree neighborhood. Damage and tree properties were measured in 2003 and 2004 on eight trees at each of 20 sites in Interior Alaska. Damage varied significantly among sites and among trees within sites, but Cartesian distances between sites were not correlated with similarity in damage levels. Compared with middle leaves, terminal leaves experienced less damage from phloem-feeding insects and pathogens, whereas leaf-roller damage was largely confined to terminal leaves. Summer drought in 2004 strongly reduced damage from phloem-feeding insects, while damage from chewing insects increased. Overall, herbivore damage was best explained by leaf morphology and chemistry, and pathogen damage by the proximity of other trees; the two damage types were not correlated with each other. Reproduction was negatively correlated with herbivore damage, but positively with pathogen damage. The contrasting relationships found for individual feeding guilds suggest that they must be studied separately in assessing impacts of climate change on parasite damage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,053
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,214
Écart entre enseignants0,205 · 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 tête enseignante, 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

Citations16
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207