Predicting invertebrate herbivory from plant traits: Polycultures show strong nonadditive effects
Notice bibliographique
Résumé
Plant functional traits affect the capacity of herbivores to find, choose, and consume plants. However, in a community composed of different plant species, it is unclear what proportion of herbivory on a focal plant is explained by its own traits and which is explained by the characteristics of the surrounding vegetation (i.e., nonadditive effects). Moreover, nonadditive effects could be positive or negative, and it is not known if they are related to community properties such as diversity. To quantify nonadditive effects, we developed four different additive models based on monoculture herbivory rates or plant traits and combined them with measurements of standing invertebrate herbivore damage along an experimental plant diversity gradient ranging from monocultures to 60-species mixtures. In all four models, positive nonadditive effects were detected, i.e., herbivory levels were higher in polycultures than what was expected from monoculture data, and these effects contributed up to 25% of the observed variance in herbivory. Importantly, the nonadditive effects, which were defined as the deviance of the models' predictions from the observed herbivory, were positively correlated with the communities' plant species richness. Consequently, interspecific interactions appear to have an important impact on the levels of herbivory of a community. Identifying those community properties that capture the effects of these interactions is a next important challenge for our understanding of how the environment interacts with plant traits to drive levels of herbivory.
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 | 0,000 | 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) | 0,001 | 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 ».