MétaCan
Menu
Retour à la cohorte
Enregistrement W2156869710 · doi:10.1139/b06-052

Intensive grazing by Barnacle geese depletes High Arctic seed bank

2006· article· en· W2156869710 sur OpenAlexvenueaboutno aff
Dries P. J. Kuijper, Jan P. Bakker, Elisabeth J. Cooper, Richard Ubels, Ingibjörg S. Jónsdóttir, Maarten J. J. E. Loonen

Notice bibliographique

RevueCanadian Journal of Botany · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrazingGooseGrazing pressureBiologySoil seed bankEcologyAgronomyBrantaSeedling

Résumé

récupéré en direct d'OpenAlex

Studies in the Canadian Arctic show dramatic effects of increased goose grazing on vegetation structure and soil conditions, but little is known of the role of goose grazing in the European Arctic. We focused on how geese might affect plant recruitment via effects on seed production and soil seed bank in High Arctic Svalbard. Experimental grazing by captive Barnacle geese ( Branta leucopsis (Bechstein, 1803)) decreased flower densities both at normal and at high grazing pressure. Geese showed a clear preference for reproductive rather than vegetative shoots. Soil samples collected inside and outside 7-year-old exclosures in an intensively goose-grazed area revealed significant effects on the germinable soil seed bank. The density of viable seeds in the top soil layer inside exclosures was six times higher than in grazed plots. Lower densities of viable seeds occurred in the basal than in the top layer but there was no difference in basal layer seed density between exclosed and grazed plots. This study shows that geese have strong effects on floral abundance and consequently on the seed bank. We argue that goose grazing in these systems influences the potential for recovery after a disturbance event and thus the long-term plant species diversity and dynamics.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,798
Score d'incertitude au seuil0,401

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,179
Écart entre enseignants0,175 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations21
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of BotanyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207