MétaCan
Menu
Retour à la cohorte
Enregistrement W4200599059 · doi:10.1080/00288330.2021.2005637

Riparian plant species offer a range of organic resources to stream invertebrate communities through varied leaf breakdown rates

2021· article· en· W4200599059 sur OpenAlexaff
Kristy L. Hogsden, Sophie O’Brien, Stacey Bartlett, Helen J. Warburton, Hayley S. Devlin, Katie Collins, Brandon C. Goeller, Angus R. McIntosh, Jon S. Harding

Notice bibliographique

RevueNew Zealand Journal of Marine and Freshwater Research · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFreshwater macroinvertebrate diversity and ecology
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Institute of Water and Atmospheric Research
Mots-clésRiparian zoneWillowInvertebrateBiologyShrubHabitatPlant litterRiparian forestAgronomyEucalyptusEcologyEnvironmental scienceNutrient

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Riparian plants provide an important source of energy for freshwater food webs through inputs of leaf litter. Planting riparian buffers with mixed species could enhance the detrital resource supply for invertebrates through varied leaf breakdown rates. To quantify leaf breakdown rates and invertebrate colonisation, we used leaves from eleven grass, shrub and tree species common along agricultural waterways in New Zealand. Breakdown of leaves immersed in a spring‐fed stream differed significantly among species, being fastest for pasture grass ( k = 0.0458 day −1 ) followed by broadleaf, pittosporum, willow, toetoe, poplar, gorse, Carex , eucalyptus, flax, and slowest for cabbage tree leaves ( k = 0.0099 day −1 ). Invertebrate community composition did not differ between leaf species, but consumers were extremely abundant on some leaves (e.g. 51–83 Potamopyrgus snails g −1 pasture grass), indicating coarse detrital resources were in high demand for food or habitat. These breakdown rates could inform selection of riparian plant combinations that will enhance food availability for stream communities, especially continuity of supply, thereby contributing to waterway restoration.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,046
Tête enseignante GPT0,262
Écart entre enseignants0,215 · 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 revueNew Zealand Journal of Marine and Freshwater ResearchMême sujetFreshwater macroinvertebrate diversity and ecologyTravaux en français237 207