MétaCan
Menu
← Retour à la cohorte
Enregistrement W3158916440 · doi:10.1101/2021.04.26.441520

Seed banks alter metacommunity diversity: the interactive effects of competition, germination, and survival

2021· preprint· en· W3158916440 sur OpenAlexfundno aff
Nathan I. Wisnoski, Lauren G. Shoemaker

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of WyomingCanadian Centre for Applied Research in Cancer ControlNational Science Foundation
Mots-clésMetacommunityBiological dispersalSeed dispersalEcologyBiologyCompetition (biology)GerminationDiversity (politics)DormancySpatial ecologySeed dispersal syndromeSeed dormancyBotanyPopulation

Résumé

récupéré en direct d'OpenAlex

Abstract Dispersal and dormancy are two common strategies allowing for species persistence and the maintenance of ecological diversity in variable environments. However, theory and empirical tests of spatial diversity patterns tend to examine either mechanism in isolation. Here, we developed a stochastic, spatially explicit metacommunity model incorporating seed banks with varying germination and survival rates. We found that dormancy and dispersal had interactive, nonlinear effects on the maintenance and distribution of metacommunity diversity, where scale-dependent effects of seed banks were modified by local competitive interactions and dispersal. The interplay between seed germination and survival regulated the benefits of seed banks for diversity. Our study shows that the role of seed banks depends critically on spatial processes, and that classic predictions for how dispersal affects metacommunity diversity can be strongly influenced by dormancy. Together, these results highlight the need to consider both temporal and spatial storage when predicting multi-scale patterns of diversity.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,001
Science ouverte0,0000,001
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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,201 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetEcology and Vegetation Dynamics Studies→Travaux en français237 207→