MétaCan
Menu
Retour à la cohorte
Enregistrement W3179764290 · doi:10.1111/ele.13838

Species loss due to nutrient addition increases with spatial scale in global grasslands

2021· article· en· W3179764290 sur OpenAlexaff
Eric W. Seabloom, Evan Batzer, Jonathan M. Chase, W. Stanley Harpole, Peter B. Adler, Sumanta Bagchi, Jonathan D. Bakker, Isabel C. Barrio, Lori Biederman, Elizabeth H. Boughton, Miguel N. Bugalho, Maria C. Caldeira, Jane A. Catford, Pedro Daleo, Nico Eisenhauer, Anu Eskelinen, Sylvia Haider, Lauren M. Hallett, Ingibjörg S. Jónsdóttir, Kaitlin Kimmel, Marirose P. Kuhlman, Andrew S. MacDougall, Cecilia D. Molina, Joslin L. Moore, John W. Morgan, Ranjan Muthukrishnan, Timothy Ohlert, Anita C. Risch, Christiane Roscher, Martin Schütz, Gregory Sonniér, Pedro M. Tognetti, Risto Virtanen, Peter A. Wilfahrt, Elizabeth T. Borer

Notice bibliographique

RevueEcology Letters · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésSpecies richnessNutrientEcologyHerbivoreRange (aeronautics)Spatial ecologySpecies diversityBiologyScale (ratio)GrasslandEnvironmental scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The effects of altered nutrient supplies and herbivore density on species diversity vary with spatial scale, because coexistence mechanisms are scale dependent. This scale dependence may alter the shape of the species–area relationship (SAR), which can be described by changes in species richness ( S ) as a power function of the sample area ( A ): S = cA z , where c and z are constants. We analysed the effects of experimental manipulations of nutrient supply and herbivore density on species richness across a range of scales (0.01–75 m 2 ) at 30 grasslands in 10 countries. We found that nutrient addition reduced the number of species that could co‐occur locally, indicated by the SAR intercepts (log c ), but did not affect the SAR slopes ( z ). As a result, proportional species loss due to nutrient enrichment was largely unchanged across sampling scales, whereas total species loss increased over threefold across our range of sampling scales.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,146
Score d'incertitude au seuil0,999

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,191
Écart entre enseignants0,188 · 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.

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

Citations30
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207