MétaCan
Menu
Retour à la cohorte
Enregistrement W2799075107 · doi:10.1126/sciadv.aau4403

Seed predation increases from the Arctic to the Equator and from high to low elevations

2019· article· en· W2799075107 sur OpenAlexafffund
Anna L. Hargreaves, Esteban Suárez, Klaus Mehltreter, Isla H. Myers‐Smith, Sula Vanderplank, Heather L. Slinn, Yalma L. Vargas‐Rodriguez, Sybille Haeussler, Santiago David, Jenny Muñoz, R. Carlos Almazán-Núñez, Deirdre Loughnan, John W. Benning, David A. Moeller, Jedediah F. Brodie, Haydn J. D. Thomas, Paula Andrea Morales-Morales

Notice bibliographique

RevueScience Advances · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensCanada's Michael Smith Genome Sciences CentreMcGill UniversityUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaNatural Environment Research CouncilSight Research UKSan Diego Natural History MuseumNational Science Foundation
Mots-clésEcotonePredationEcologyBiodiversityEcosystemProductivityBiologyLatitudeInvertebrateArcticEquatorTropical climateTropicsGeographyHabitat

Résumé

récupéré en direct d'OpenAlex

Species interactions have long been predicted to increase in intensity toward the tropics and low elevations because of gradients in climate, productivity, or biodiversity. Despite their importance for understanding global ecological and evolutionary processes, plant-animal interaction gradients are particularly difficult to test systematically across large geographic gradients, and evidence from smaller, disparate studies is inconclusive. By systematically measuring postdispersal seed predation using 6995 standardized seed depots along 18 mountains in the Pacific cordillera, we found that seed predation increases by 17% from the Arctic to the Equator and by 17% from 4000 meters above sea level to sea level. Clines in total predation, likely driven by invertebrates, were consistent across treeline ecotones and within continuous forest and were better explained by climate seasonality than by productivity, biodiversity, or latitude. These results suggest that species interactions play predictably greater ecological and evolutionary roles in tropical, lowland, and other less seasonal ecosystems.

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 candidatesaucune
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 enseignants0,018
Score d'incertitude au seuil0,922

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,005
Tête enseignante GPT0,231
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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations94
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207