MétaCan
Menu
Retour à la cohorte
Enregistrement W2575124234 · doi:10.1139/cjb-2016-0206

Herbarium specimens as tools to assess the impact of large herbivores on plant species

2017· article· en· W2575124234 sur OpenAlexafffundvenueabout
Marie-Pierre Beauvais, Stéphanie Pellerin, Jean Dubé, Claude Lavoie

Notice bibliographique

RevueBotany · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversité LavalUniversité de Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésHerbariumOdocoileusBiologyHerbivoreBotanyEcologyForb

Résumé

récupéré en direct d'OpenAlex

Herbarium specimens can be used to reconstruct spatiotemporal changes in plant morphology caused by environmental pressures. The reliability of herbarium-derived data requires evaluation, because specimen collection is subject to biases. We used herbarium and field data to investigate the impact of large herbivore browsing on the size of a forb. White trillium (Trillium grandiflorum (Michaux) Salisbury) was studied because the impacts of white-tailed deer (Odocoileus virginianus Zimmermann) browsing on this species are well-known. A total of 692 herbarium specimens collected in Quebec (Canada) were used to evaluate leaf area. Leaf area values of herbarium specimens were compared with those of modern (2013, 2014) specimens collected in sites either with >8 deer per square kilometre or without deer. Flowering individuals in modern sites with deer had a significantly lower leaf area than herbarium specimens and modern specimens collected in sites without deer. The distribution of white trillium individuals in deer sites was also skewed towards plants with a smaller leaf area. Herbarium specimens may offer unique and inexpensive data, compared with methods traditionally used to assess the impacts of herbivores on plants, such as exclosures or clipping experiments. Unfortunately, this rich data source is seriously jeopardized by the downtrend in specimen collecting.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil1,000

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)0,0010,001

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 Opus0,039
Tête enseignante GPT0,314
Écart entre enseignants0,275 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations23
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207