MétaCan
Menu
Retour à la cohorte
Enregistrement W2117287990 · doi:10.1890/09-0204.1

Consumer‐based limitations drive oak recruitment failure

2010· article· en· W2117287990 sur OpenAlexaff
Andrew S. MacDougall, Alisha Duwyn, Natalie T. Jones

Notice bibliographique

RevueEcology · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEcologyBiology

Résumé

récupéré en direct d'OpenAlex

A number of North American oaks are experiencing recruitment failure, with explanatory hypotheses including a range of consumer- or resource-based limitations. Using a factorial experiment with transplanted seedlings, we demonstrate how direct and indirect consumer effects prevent recruitment by Quercus garryana, a keystone savanna species of northwestern North America. Foremost, intense herbivory by mostly exotic small mammals severely damaged or killed 100% of unprotected seedlings during winter. Many damaged seedlings survived but were 64% smaller in size and produced 75% fewer leaves. Herbivory by deer had no detectable impact despite being long hypothesized as a major contributor to oak decline. Indirectly, herbivory altered the outcome of moisture limitation and competition. Without small mammals, summer drought and a dense exotic grass cover associated with fire suppression significantly reduced growth but caused little mortality. With small mammals, both significantly increased mortality of herbivore-damaged seedlings. Herbivore damage also increased the likelihood of severe insect attack, possibly due to reduced investment in foliar defense by recovering seedlings. These results show that no single factor necessarily prevents seedling establishment by oaks, but that the combination of herbivory, undisturbed exotic grass swards, and summer drought creates an almost insurmountable barrier for recruitment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0040,003

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 Opus0,031
Tête enseignante GPT0,265
Écart entre enseignants0,234 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations50
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207