Assessing the effects of hybridization and precipitation on invasive weed demography using strength of selection on vital rates
Notice bibliographique
Résumé
BACKGROUND: As global climate change transforms average temperature and rainfall, species distributions may meet, increasing the potential for hybridization and altering individual fitness and population growth. Altered rainfall specifically may shift the strength and direction of selection, also manipulating population trajectories. Here, we investigated the role of interspecific hybridization and selection imposed by rainfall on the evolution of weedy life-history in non-hybrid (Raphanus raphanistrum) and hybrid (R. raphanistrum x R. sativus) populations using a life table response experiment. RESULTS: In documenting long-term population dynamics, we determined intrinsic (r) and asymptotic (λ) population growth rates and sensitivities, a measure of selection imposed on demographic rates. Hybrid populations experienced 8.7-10.3 times stronger selection than wild populations for increased seedling survival. Whereas crop populations generally exhibit little dormancy and wild populations often exhibit dormancy, non-hybrid populations experienced 10% stronger selection than hybrid populations for exhibiting seed dormancy. Selection on survival-to-flowering in wild, not hybrid, populations declined marginally with increasing soil moisture. Hybrid populations exhibited greater r, but not λ, than wild populations regardless of moisture environment. In general, fecundity contributed most to differences in λ but fecundity only contributed positively to hybrid λ relative to wild λ when precipitation was altered (either higher or lower than control) and not under control watering conditions. CONCLUSIONS: Selection on key demographic traits may not change dramatically in response to rainfall, and hybridization may more strongly influence the demography of these weedy species than rainfall. If hybrid populations can respond to selection for increased dormancy, this may make it more difficult to deplete weed seed banks and increase the persistence of crop genes in weed populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».