The biology of seed discrimination and its role in shaping the foraging ecology of carabids: A review
Notice bibliographique
Résumé
Species of carabid (ground) beetles are among the most important postdispersal weed seed predators in temperate arable lands. Field studies have shown that carabid beetles can remove upwards of 65%-90% of specific weed seeds shed in arable fields each year. Such data do not explain how and why carabid predators go after weed seeds, however. It remains to be proven that weed seed predation by carabids is a genuine ecological interaction driven by certain ecological factors or functional traits that determine interaction strength and power predation dynamics, bringing about therefore a natural regulation of weed populations. Along these lines, this review ties together the lines of evidence around weed seed predation by carabid predators. Chemoperception rather than vision seems to be the primary sensory mechanism guiding seed detection and seed selection decisions in carabid weed seed predators. Selection of weed seeds by carabid seed predators appears directed rather than random. Yet, the nature of the chemical cues mediating detection of different seed species and identification of the suitable seed type among them remains unknown. Selection of certain types of weed seeds cannot be predicted based on seed chemistry per se in all cases, however. Rather, seed selection decisions are ruled by sophisticated behavioral mechanisms comprising the assessment of both chemical and physical characteristics of the seed. The ultimate selection of certain weed seed types is determined by how the chemical and physical properties of the seed match with the functional traits of the predator in terms of seed handling ability. Seed density, in addition to chemical and physical seed traits, is also an important factor that is likely to shape seed selection decisions in carabid weed seed predators. Carabid responses to seed density are rather complex as they are influenced not only by seed numbers but also by trait-based suitability ranks of the different seed types available in the environment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».