MétaCan
Menu
Retour à la cohorte
Enregistrement W2981795840 · doi:10.1111/ele.13411

Complementarity effects are strengthened by competition intensity and global environmental change in the central boreal forests of Canada

2019· letter· en· W2981795840 sur OpenAlexafffundabout
Eric B. Searle, Han Y. H. Chen

Notice bibliographique

RevueEcology Letters · 2019
Typeletter
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComplementarity (molecular biology)EcologyNicheClimate changeInterspecific competitionEnvironmental changeGlobal changeTaigaCompetition (biology)Ecological nicheBiologyGeographyHabitat

Résumé

récupéré en direct d'OpenAlex

Abstract Increases in niche complementarity have been hypothesised to reduce the intensity of interspecific competition within natural forests. In regions currently experiencing potentially enhanced growth under global environmental change, niche complementarity may become even more beneficial. However, few studies have provided direct evidence of this mechanism. Here, we use data from 180 permanent sample plots in Manitoba, Canada, with a full spatial mapping of all stems, to show that complementarity effects on average increased with neighbourhood competition intensity and temporally rising CO2, warming and water availability. Importantly, complementarity effects increased with both shade tolerance and phylogenetic dissimilarity between the focal tree and its neighbours. Our results provide further evidence that increasing stand functional and phylogenetic diversity can improve individual tree productivity, especially for individuals experiencing intense competition and may offer an avenue to maintain productivity under global environmental change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,067
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,190
Écart entre enseignants0,185 · 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 source (Gemma direct ou Codex distillé), 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

Citations60
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207