Divergent effects of defoliation intensity and frequency on tiller growth and production dynamics of <i>Pascopyrum smithii</i> and <i>Hesperostipa comata</i>
Notice bibliographique
Résumé
Abstract Rotational stocking theoretically enables regrazing of regrowth, but regrowth may be limited in xerophytic vegetation. We tested the hypothesis that regrowth would be slow and fixed in Hesperostipa comata (a caespitose, drought‐tolerant grass), while growth would be flexible in Pascopyrum smithii (a rhizomatous, less drought‐tolerant grass) under increasing defoliation and moisture, by assessing tiller growth rates, population dynamics and plant yield on marked plants in a Dry Mixed Grass prairie. Plots were clipped in late summer to simulate a deferred control, or intermittently during the growing season (May–August) at high intensity–low frequency (HILF), low intensity–high frequency (LIHF) or high intensity–high frequency and crossed with two water treatments (ambient and addition) in both a xeric upland and a mesic lowland. Growing season defoliation increased tiller growth rates of P. smithii in the upland, whereas HILF and LIHF reduced growth in the lowland. All defoliation regimes increased tiller growth for H. comata. Tiller populations of H. comata increased with frequent defoliation, while tiller populations of P. smithii decreased regardless of defoliation regime. Frequent defoliation, regardless of intensity, reduced yield relative to the deferred control for both grasses. While water addition consistently increased growth rates and reduced differences in tiller number among defoliation treatments, the regrowth of both grasses remained similar under varied defoliation with ambient moisture. High moisture conditions also promoted regrowth more in P. smithii compared to H. comata. In summary, neither grass species displayed an inherently fixed or flexible tiller or plant yield response in response to defoliation or moisture.
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 | 0,000 |
| 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) | 0,001 | 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 ».