MétaCan
Menu
Retour à la cohorte
Enregistrement W3205965497 · doi:10.1038/s42003-021-02737-3

Strong nutrient-plant interactions enhance the stability of ecosystems

2021· article· en· W3205965497 sur OpenAlexafffund
Zachariah G. Schonberger, Kevin S. McCann, Gabriel Gellner

Notice bibliographique

RevueCommunications Biology · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundUniversity of Guelph
Mots-clésEcosystemFood webEcosystem modelNutrientEcologyContext (archaeology)Nutrient cycleEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Modular food web theory shows how weak energetic fluxes resulting from consumptive interactions plays a major role in stabilizing food webs in space and time. Despite the reliance on energetic fluxes, food web theory surprisingly remains poorly understood within an ecosystem context that naturally focuses on material fluxes. At the same time, while ecosystem theory has employed modular nutrient-limited ecosystem models to understand how limiting nutrients alter the structure and dynamics of food webs, ecosystem theory has overlooked the role of key ecosystem interactions and their strengths (e.g., plant-nutrient; R-N) in mediating the stability of nutrient-limited ecosystems. Here, towards integrating food web theory and ecosystem theory, we first briefly review consumer-resource interactions (C-R) highlighting the relationship between the structure of C-R interactions and the stability of food web modules. We then translate this framework to nutrient-based systems, showing that the nutrient-plant interaction behaves as a coherent extension of current modular food web theory; however, in contrast to the rule that weak C-R interactions tend to be stabilizing we show that strong nutrient-plant interactions are potent stabilizers in nutrient-limited ecosystem models.

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 enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
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 Opus0,028
Tête enseignante GPT0,319
Écart entre enseignants0,291 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunications BiologyMême sujetEvolution and Genetic DynamicsTravaux en français237 207