MétaCan
Menu
Retour à la cohorte
Enregistrement W3011123086 · doi:10.1111/geb.13092

Dominant native and non‐native graminoids differ in key leaf traits irrespective of nutrient availability

2020· article· en· W3011123086 sur OpenAlexaff
Arthur A. D. Broadbent, Jennifer Firn, James McGree, Elizabeth T. Borer, Yvonne M. Buckley, W. Stanley Harpole, Kimberly J. Komatsu, Andrew S. MacDougall, Kate H. Orwin, Nick Ostle, Eric W. Seabloom, Jonathan D. Bakker, Lori Biederman, Maria C. Caldeira, Nico Eisenhauer, Nicole Hagenah, Yann Hautier, Joslin L. Moore, Carla Nogueira, Pablo L. Peri, Anita C. Risch, Christiane Roscher, Martin Schütz, Carly Stevens

Notice bibliographique

RevueGlobal Ecology and Biogeography · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilIrish Research CouncilUniversity of ManchesterAustralian GovernmentLancaster UniversityNational Science Foundation
Mots-clésForbBiologyNutrientNative plantEcologyIntroduced speciesInvasive speciesGraminoidSpecific leaf areaPlant ecologyEcosystemEdaphicGrasslandBotanySoil waterPhotosynthesis

Résumé

récupéré en direct d'OpenAlex

Abstract Aim Nutrient enrichment is associated with plant invasions and biodiversity loss. Functional trait advantages may predict the ascendancy of invasive plants following nutrient enrichment but this is rarely tested. Here, we investigate (a) whether dominant native and non‐native plants differ in important morphological and physiological leaf traits, (b) how their traits respond to nutrient addition, and (c) whether responses are consistent across functional groups. Location Australia, Europe, North America and South Africa. Time period 2007–2014. Major taxa studied Graminoids and forbs. Methods We focused on two types of leaf traits connected to resource acquisition: morphological features relating to light‐foraging surfaces and investment in tissue (specific leaf area, SLA) and physiological features relating to internal leaf chemistry as the basis for producing and utilizing photosynthate. We measured these traits on 503 leaves from 151 dominant species across 27 grasslands on four continents. We used an identical nutrient addition treatment of nitrogen (N), phosphorus (P) and potassium (K) at all sites. Sites represented a broad range of grasslands that varied widely in climatic and edaphic conditions. Results We found evidence that non‐native graminoids invest in leaves with higher nutrient concentrations than native graminoids, particularly at sites where native and non‐native species both dominate. We found little evidence that native and non‐native forbs differed in the measured leaf traits. These results were consistent in natural soil fertility levels and nutrient‐enriched conditions, with dominant species responding similarly to nutrient addition regardless of whether they were native or non‐native. Main conclusions Our work identifies the inherent physiological trait advantages that can be used to predict non‐native graminoid establishment, potentially because of higher efficiency at taking up crucial nutrients into their leaves. Most importantly, these inherent advantages are already present at natural soil fertility levels and are maintained following nutrient enrichment.

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)0,000
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,217
Écart entre enseignants0,211 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Ecology and BiogeographyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207