The combined impacts of experimental defaunation and logging on seedling traits and diversity
Notice bibliographique
Résumé
Animals can have both positive (e.g. via seed dispersal) and negative (e.g. via herbivory) impacts on plants. The net effects of these interactions remain difficult to predict and may be affected by overhunting and habitat disturbance, two widespread threats to tropical forests. Recent studies have documented their separate effects on plant recruitment but our understanding of how defaunation and logging interact to influence tropical tree communities is limited. From 2013 to 2016, we followed the fate of marked tree seedlings ( n = 1489) from 81 genera in and outside experimental plots. Our plots differentially excluded small, medium and large-bodied mammal herbivores in logged and unlogged forest in Malaysian Borneo. We assessed the effects of experimental defaunation and logging on taxonomic diversity and plant trait (wood density, specific leaf area, fruit size) composition of seedling communities. Although seedling mortality was highest in the presence of all mammal herbivores (44%), defaunation alone did not alter taxonomic diversity nor plant trait composition. However, herbivores (across all body sizes) significantly reduced mean fruit size across the seedling community over time (95% confidence interval (CI): −0.09 to −0.01), particularly in logged forest (95% CI: −0.12 to −0.003). Our findings suggest that impacts of mammal herbivores on plant communities may be greater in forests with a history of disturbance and could subsequently affect plant functional traits and ecological processes associated with forest regeneration.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».