Analysis of six-decadal seed mass and emergence records in mast species shows little inter-annual variability
Notice bibliographique
Résumé
Abstract Patterns of crop production in mast species do not track crop-year climate, but instead are regulated by climate cues in prior-years. Whether the pattern of year-to-year seed mass variation is coupled in time with mast seeding, maintaining seed mass-number trade-offs, and coherently driven by similar climate cues as other seed traits (e.g. seed germination) remains unknown. Using ca. 6,000 long-term seed inventory data over the years 1955-2015 in conifers, this retrospective study revealed the temporal patterns of mast species’ seed mass and its associated trait, seed germination. To pinpoint their ecological drivers, pairwise correlation analysis was performed between each trait and seasonal climates in crop year and four prior-years. Using climate variables key to each trait, regression models were constructed to project trait values. Findings showed minor seed mass variation among years, which rejects the generality of seed mass-number trade-offs in many plant species. This result reasonably arises as the economies of scale (compensating benefits) theory are often used to account for mast seeding but not for seed mass. Moreover, final germination fraction also varied little over time, but exhibited an increasing tendency. In addition, we found that temperature-based climate variables drive seed mass, number, and germination variation, but these variables in different seasons of crop year or prior-years did not have equal influences on trait variability. Finally, regression models showed that the number of frost-free days and evapotranspiration are crucial to the three traits and climate in autumn is a critical season, followed by summer and winter. This study holds considerable promise for explaining reproductive strategies of taxonomic groups with mast seeding characteristics in allocating reproductive resources to different life-history traits using ecological signals.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».