Habitat and Time Are More Important Predictors of Weed Seed Predation than Space on a Diversified Vegetable Farm in Maine, USA
Notice bibliographique
Résumé
Postdispersal weed seed predation is a significant source of weed mortality in agroecosystems. The magnitude of seed predation, however, is variable. Understanding the relative importance of factors driving variability in seed predation rates will increase the potential utility of seed predation to farmers. We conducted landscape-scale field experiments to quantify and compare the effects of space, time of sampling, and habitat on weed seed predation. Seed predation assays, with and without vertebrate exclosures, measured seed predation rates at spatially explicit sample sites across 8.5 ha of crop and noncrop habitats on a diversified organic vegetable farm in Maine. Total and invertebrate seed predation averaged 8% and 3% d −1 , respectively. Vertebrate seed predators detected by motion-sensing cameras included small mammals and birds. A ground beetle, Harpalus rufipes , was highly dominant in pitfall traps, comprising 66% of invertebrate seed predators captured within crop fields. Seed predation was randomly distributed in space. However, time of sampling and habitat were highly significant predictors of seed predation. Variance partitioning indicated that habitat factors explained more variation than did time of sampling. Total seed predation was greater in crop and riparian forest habitats than in mowed grass, meadow, or softwood forest. Generally, invertebrate seed predation was greatest at sites with an intermediate degree of vegetative cover, whereas habitat type was the chief biotic determinant of vertebrate seed predation rates. These results suggest cover cropping and wetland conservation as practices that may bolster seed predation rates.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».