MétaCan
Menu
Retour à la cohorte
Enregistrement W2766824486 · doi:10.1139/as-2017-0025

Mammalian herbivory exacerbates plant community responses to long-term increased soil nutrients in two Alaskan tundra plant communities

2017· article· en· W2766824486 sur OpenAlexvenueno aff
Laura Gough, David R. Johnson

Notice bibliographique

RevueArctic Science · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésHerbivoreTundraSpecies richnessSpecies evennessEcologyPlant communityNutrientBiologyEcosystemAgronomy

Résumé

récupéré en direct d'OpenAlex

The interaction between bottom-up and top-down forces in regulating plant communities is a long-standing topic of interest in ecology. Factorial field experiments examining these factors have been relatively few, but recent meta-analyses provide predictions that can be tested in a range of ecosystems. We tested the prediction that added nutrients would reduce species richness and evenness, while herbivore activity would offset those changes in two tundra plant communities after 11 years. In moist acidic tundra (MAT), herbivores reduced richness more in fertilized plots when mammals were present compared with fertilized plots without herbivores. In dry heath (DH), evenness was significantly reduced in fertilized plots only when herbivores were present, also providing evidence that herbivores enhanced community changes caused by greater nutrient availability. The difference in response between MAT and the meta-analysis predictions appears to be driven by Betula nana, the species that dramatically increased with added nutrients in MAT. Unlike in similar studies and in DH, B. nana is not as palatable as most of the species in the community and is generally avoided by herbivores. These results highlight how the effects of herbivory and nutrients differ across communities and can be affected by the traits of the species present.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,242
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,311
Écart entre enseignants0,226 · 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.

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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetClimate change and permafrostTravaux en français237 207