Functional response to land use change in grasslands: Comparing species and trait data
Notice bibliographique
Résumé
ABSTRACT The search for general plant community patterns that explain plant responses to land use changes is at present a major focus of studies related to grassland conservation. Traditionally, vegetation change has been documented by identifying species-based changes over time. Recent studies suggest that species-based assessments should be complemented with functional assessments of species characteristics. We examined land use change along a successional gradient by comparing grasslands with long grazing history, abandoned formerly grazed grasslands, and pastures with a short grazing history by using i) species data, i.e., species richness, composition, growth form, and homogenization, and ii) functional characteristics, using three core traits, seed mass, specific leaf area (SLA), and plant height. Analyzing species data directly in terms of species richness, composition, or growth form was a more straightforward tool than analyzing species function based on selected core traits. No functional groups, based on the investigated traits, were supported. Functional response trends were, however, detected, as height increased and SLA decreased along the successional gradient. Analyses based on species data followed documented response patterns associated with grassland succession, i.e., decrease in species richness, decrease in the number of plant species favoured by grazing, and shifts in species composition and growth form towards less dominance of herbs. Due to idiosyncrasy of individual species responses, we question the benefit of using a small number of response traits or functional groupings compared to species-based analyses for documenting vegetation changes in grazing systems over time.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».