MétaCan
Menu
Retour à la cohorte
Enregistrement W2901332705 · doi:10.1139/cjb-2018-0160

Physical defenses and herbivory vary more within plants than among plants in the tropical understory shrub <i>Piper polytrichum</i>

2018· article· en· W2901332705 sur OpenAlexvenueno aff
William C. Wetzel, Mariah H. Meek

Notice bibliographique

RevueBotany · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyHerbivoreUnderstoryShrubPlant tolerance to herbivoryBotanyEcologyCanopy

Résumé

récupéré en direct d'OpenAlex

There is a growing appreciation that much of the trait variation within plant species is represented within individuals, for example, occurring among leaves within a plant. Subindividual variation is predicted to have key ecological consequences, but empirical understanding of how subindividual variation relates to species interactions, such as herbivory, is limited. We measured two physical defenses and herbivore damage on multiple leaves within individual plants of Piper polytrichum C.DC. (Piperaceae), a tropical understory shrub. We partitioned variance among- and within-plants and quantified patterns of trait and damage variation vis-à-vis leaf size and architectural position. We found that variance was considerably higher within plants than among plants for toughness (97%) and trichome density (57%), and that herbivore damage also varied most within plants (74%). Surprisingly, leaf position and size explained only small amounts of variance in traits (2.5%–16.5%) and herbivory (≤4%), indicating subindividual variability had low spatial predictability. The data suggest that individual P. polytrichum plants represent heterogeneous and spatially unpredictable landscapes of physical traits, and that interactions with herbivores are similarly variable. Our results are consistent with the hypothesis that subindividual variability defends plants against herbivores by increasing the difficulty of foraging for high-quality tissue.

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 enseignants0,117
Score d'incertitude au seuil0,496

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

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 Opus0,035
Tête enseignante GPT0,218
Écart entre enseignants0,183 · 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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetPlant and animal studiesTravaux en français237 207