MétaCan
Menu
Retour à la cohorte
Enregistrement W3106470443 · doi:10.1126/sciadv.abc5439

Outsized effect of predation: Wolves alter wetland creation and recolonization by killing ecosystem engineers

2020· article· en· W3106470443 sur OpenAlexaff
Thomas D. Gable, Sean Johnson‐Bice, Austin T. Homkes, Steve K. Windels, Joseph K. Bump

Notice bibliographique

RevueScience Advances · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and biodiversity studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Science Foundation
Mots-clésBeaverPredationEcosystemWetlandEcosystem engineerTrophic cascadeEcological successionEcologyTrophic levelBiologyFood web

Résumé

récupéré en direct d'OpenAlex

Gray wolves are a premier example of how predators can transform ecosystems through trophic cascades. However, whether wolves change ecosystems as drastically as previously suggested has been increasingly questioned. We demonstrate how wolves alter wetland creation and recolonization by killing dispersing beavers. Beavers are ecosystem engineers that generate most wetland creation throughout boreal ecosystems. By studying beaver pond creation and recolonization patterns coupled with wolf predation on beavers, we determined that 84% of newly created and recolonized beaver ponds remained occupied until the fall, whereas 0% of newly created and recolonized ponds remained active after a wolf killed the dispersing beaver that colonized that pond. By affecting where and when beavers engineer ecosystems, wolves alter all of the ecological processes (e.g., water storage, nutrient cycling, and forest succession) that occur due to beaver-created impoundments. Our study demonstrates how predators have an outsized effect on ecosystems when they kill ecosystem engineers.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,176

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 savante0,0000,001
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 Opus0,005
Tête enseignante GPT0,211
Écart entre enseignants0,206 · 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

Citations70
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetEcology and biodiversity studiesTravaux en français237 207