MétaCan
Menu
Retour à la cohorte
Enregistrement W2072147032 · doi:10.1614/ipsm-d-13-00023.1

Landscape Disturbances Impact Affect the Distribution and Abundance of Exotic Grasses in Northern Fescue Prairies

2013· article· en· W2072147032 sur OpenAlexafffundabout
Marlene Gifford, Rafael Otfinowski

Notice bibliographique

RevueInvasive Plant Science and Management · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensParks Canada
Organismes subventionnairesParks Canada
Mots-clésGrazingAbundance (ecology)EcologyNative plantGeographyIntroduced speciesInvasive speciesLivestockDisturbance (geology)AgroforestryEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The presence of landscape disturbances increases the establishment of exotic plants inside natural areas. Here, we examine the effect of human disturbances to prairie landscapes on the distribution and abundance of Kentucky bluegrass and smooth brome, exotic grasses that threaten the integrity of prairie ecosystems throughout the northern Great Plains. Using plant inventory data from Riding Mountain National Park in Manitoba, Canada, we investigated how roads, trails, and the intensity of historic livestock grazing affect the distribution and abundance of exotic grasses. On the basis of our results, both Kentucky bluegrass and smooth brome were more abundant in areas closer to roads. Kentucky bluegrass was also more abundant in areas farther from trails and those historically grazed by cattle. Our research demonstrates that the effect of landscape disturbances on exotic grasses varies between species and suggests that patterns of invasion may reflect different introduction histories. Given our findings, conserving the integrity of northern fescue prairies should account for human disturbances of landscapes and their effects on the proliferation of exotic plants into areas of native prairie.

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 enseignants0,047
Score d'incertitude au seuil0,093

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,210
Écart entre enseignants0,200 · 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

Citations7
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInvasive Plant Science and ManagementMême sujetWildlife Ecology and ConservationTravaux en français237 207