Notice bibliographique
Résumé
Can CSR theory, in conjunction with a recently proposed globally calibrated CSR ordination ("StrateFy"), using only three easily measured leaf traits (leaf area, specific leaf area and leaf dry matter content) predict the functional signature of herbaceous vegetation along experimentally manipulated gradients of soil fertility and disturbance? To determine this, we grew 37 herbaceous species in mixture for five years in 24 experimental mesocosms differing in factorial levels of soil resources (stress) and density-independent mortality (disturbance). We measured 16 different functional traits and then ordinated the resulting vegetation within the CSR triangle using StrateFy. We then calculated community-weighted mean (CWM) values of the competitor (CCWM), stress-tolerator (SCWM) and ruderal (RCWM) scores for each mesocosm. We found a significant increase in SCWM from low to high stress mesocosms, and an increase in RCWM from lowly to highly disturbed mesocosms. However, CCWM did not decline significantly as intensity of stress or disturbance increased, as predicted by CSR theory. This last result likely arose because our herbaceous species were relatively poor competitors in global comparisons and thus no strong competitors in our species pool were selectively favoured in low stress and low disturbed mesocosms. Variation in the 13 other traits, not used by StrateFy, largely argeed with the predictions of CSR theory. StrateFy worked surprisingly well in our experimental study except for the C-dimension. Despite loss of some precision, it has great potential applicability in future studies due to its simplicity and generality.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».