The dynamics of nitrogen movement in an Arctic salt marsh in response to goose herbivory: a parameterized model with alternate stable states
Notice bibliographique
Résumé
Summary LPBN is a parameterized simulation model of flows of nitrogen (N) in an ecosystem of cyanobacteria, grass and grazers, based on the N dynamics of a grazed Puccinellia lawn in an intertidal marsh on Hudson Bay. This system shows two alternate stable states: (a) lawns that either support a foraging population of lesser snow geese, or are not grazed by geese; and (b) exposed saline sediments that support little or no vegetation. The model represents the flow of N from cyanobacterial fixation, the major N input into the system, to the geese that migrate in autumn; those that do not return represent the major N output from the system. We have modelled N fixation, the transformations of N in the soil, plant growth, lawn regeneration, and goose grazing and grubbing. The model simulates steady‐state flows of N similar to those observed in the field at zero and at moderate goose density, and it also simulates the transition to the state of zero plant biomass, a consequence of increased grubbing at high goose density. The simulated steady‐state flows are found to be more sensitive to changes in the parameters that describe N fixation and goose biology, than to similar changes in the parameters describing plant biology. Because the model shows the alternate stable states and the transition between them, with values for the state variables that are consistent with field data, we conclude that N dynamics are crucial in determining the stability of the real salt marsh‐goose system. The determining factor is the loss of the input of N from fixation when lawn area is reduced because the rate of goose grubbing exceeds that of plant re‐establishment.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».