An urban wildlife habitat experiment: conservation implications of altering management regimes on animals and plants along urban and rural rights-of-way
Notice bibliographique
Résumé
Abstract Biodiversity along rights-of-way (ROWs) can decline due to local-scale management, including frequent urban mowing and spraying, or with increasing amount of urban infrastructure surrounding those grassy spaces. Distinguishing effects of mowing regime from effects of surrounding urban land are necessary to determine what management strategies effectively conserve wildlife in different landscapes, and to justify changes in management that could increase populations of weeds. We used a manipulative Before/After-Control/Impact (BACI) experiment in 17 transmission line ROWs during 2007–2009, along an urbanization gradient, to disentangle effects of mowing frequency and the amount of urban land (buildings, hard surfaces like concrete, asphalt) surrounding ROWs. In the BACI study, we halted mowing and spraying for 1 year in five urban ROWs, introduced two rounds of mowing per year in three rural ROWs, and compared vegetation and arthropods found within these manipulated ROWs and within three urban and six rural control ROWs. European skipper butterflies Thymelicus lineola, lepidopteran biomass in herbaceous vegetation, milkweeds (Asclepias spp.) and Canada thistle Cirsium arvense increased when mowing and spraying were halted for one year. Conversely, monarch butterflies Danaus plexippus, legume cover and dandelion Taraxacum officinale increased when mowing was introduced to rural ROWs. To increase taller butterfly resource plants while still controlling weeds within urban ROWs, we recommend reducing management frequency within the interior of ROWs while maintaining frequent management along ROW borders that are adjacent to infrastructure.
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 ».