Flowering Patterns of Understory Herbs 30 Years after Disturbance of Subalpine Old-Growth Forests by Tephra from Mount St. Helens
Notice bibliographique
Résumé
Premise of research. We sought to determine the role of flowering in recovery of understory herbs from a major disturbance and to determine the effects of plant and environmental factors on flowering patterns.Methodology. We counted flowering and nonflowering shoots in permanent plots eight to 10 times over a 30-year period for all 48 understory herb species in four subalpine old-growth conifer forests that received tephra (aerially transported volcanic ejecta) from the 1980 eruptions of Mount St. Helens, Washington. We defined two measures of flowering and related them to environmental and plant characteristics.Pivotal results. Patterns of flowering varied widely among species both among and within growth forms. Flowering increased with time, especially where it was initially low (for evergreen clonal plants, species that also grow in early seral habitats, and plants in deep tephra and from herb-poor sites). Some significant differences that occurred during the first 20 years disappeared by year 30. Percent of shoots flowering declined as shoot density increased, but the significance of this relationship declined until it became nonsignificant by year 25. There was a significant but weak relationship between the proportion of shoots flowering for a species and its proportional increase in shoot numbers during the 30 years of vegetation redevelopment; some species expanded populations only by flowering, while others became dominant while flowering little.Conclusions. Flowering patterns changed with time; this constitutes an important aspect of successional change. Studies of flowering and other aspects of sexual reproduction are important for understanding mechanisms of succession.
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) | 0,000 | 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 ».