Top-down and bottom-up forces in mammalian herbivore – vegetation systems: an essay review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
For almost 50 years ecologists have debated why herbivores generally don’t increase in numbers to such levels as to deplete or devastate vegetation. One hypothesis is that herbivore populations are regulated at low densities by predators, and a second hypotheses is that plants are fundamentally poor food for herbivores. This has lead to two main hypotheses about the role of herbivores in structuring vegetation: the “bottom-up” and “top-down” hypotheses. Here I survey the literature, with a focus on field experiments designed to investigate the soil resource – vegetation – mammalian herbivore system, specifically asking five questions about how each trophic level responds to (i) resource addition, (ii) vegetation removal, (iii) herbivore removal or reduction, (iv) herbivore addition, and (v) the interaction of resource levels and herbivory? I use these to develop 12 testable predictions. I document the major areas of research as they relate to these 12 predictions, and use these to evaluate weaknesses and limitations in field methods. There are surprisingly few terrestrial studies that conduct factorial manipulations of multiple nutrients or herbivores, even though it is clear that these are essential. Specifically, I argue that a manipulative experimental approach is the most valuable way to advance our theory and understanding, and I advocate the continued use of long-term factorial field experiments that simultaneously manipulate soil resources levels and herbivory (preferably at multiple levels), repeated in a range of environments in which individual species or functional groups are monitored.
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.
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 | 0,000 | 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 découle