MétaCan
Menu
Retour à la cohorte
Enregistrement W2194714988 · doi:10.1002/ece3.1821

When can stress facilitate divergence by altering time to flowering?

2015· article· en· W2194714988 sur OpenAlexafffund
Crispin Y. Jordan, Dilara Ally, Kathryn A. Hodgins

Notice bibliographique

RevueEcology and Evolution · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilNatural Sciences and Engineering Research Council of Canada
Mots-clésBiologyHerbivorePhenologyEcologyPhenotypic plasticityDivergence (linguistics)Assortative matingHabitatEvolutionary biologyMating

Résumé

récupéré en direct d'OpenAlex

Stressors and heterogeneity are ubiquitous features of natural environments, and theory suggests that when environmental qualities alter flowering schedules through phenotypic plasticity, assortative mating can result that promotes evolutionary divergence. Therefore, it is important to determine whether common ecological stressors induce similar changes in flowering time. We review previous studies to determine whether two important stressors, water restriction and herbivory, induce consistent flowering time responses among species; for example, how often do water restriction and herbivory both delay flowering? We focus on the direction of change in flowering time, which affects the potential for divergence in heterogeneous environments. We also tested whether these stressors influenced time to flowering and nonphenology traits using Mimulus guttatus. The literature review suggests that water restriction has variable effects on flowering time, whereas herbivory delays flowering with exceptional consistency. In the Mimulus experiment, low water and herbivory advanced and delayed flowering, respectively. Overall, our results temper theoretical predictions for evolutionary divergence due to habitat-induced changes in flowering time; in particular, we discuss how accounting for variation in the direction of change in flowering time can either increase or decrease the potential for divergence. In addition, we caution against adaptive interpretations of stress-induced phenology shifts.

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 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 enseignants0,437
Score d'incertitude au seuil0,233

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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,193
Écart entre enseignants0,161 · 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 tête enseignante, 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

Citations28
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology and EvolutionMême sujetPlant and animal studiesTravaux en français237 207