MétaCan
Menu
Retour à la cohorte
Enregistrement W4280552944 · doi:10.1038/s42003-022-03407-8

Defoliation-induced changes in foliage quality may trigger broad-scale insect outbreaks

2022· article· en· W4280552944 sur OpenAlexafffund
Louis De Grandpré, Maryse Marchand, Daniel D. Kneeshaw, David Paré, Dominique Boucher, Stéphane Bourassa, David Gervais, M. Simard, Jacob M. Griffin, Deepa S. Pureswaran

Notice bibliographique

RevueCommunications Biology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversité LavalUniversité du Québec à MontréalNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesCanadian Forest ServiceNatural Resources CanadaU.S. Forest Service
Mots-clésOutbreakFrassHerbivoreBiologyNutrientHost (biology)LitterEcologyPopulationEcosystemSpruce budwormAgronomyLepidoptera genitaliaTortricidae

Résumé

récupéré en direct d'OpenAlex

Top-down effects, like predation, are drivers of insect outbreaks, but bottom-up effects, like host nutritional quality, also influence outbreaks and could in turn be altered by insect-caused defoliation. We evaluated the prediction that herbivory leads to a positive feedback on outbreak severity as nutrient concentration in plant tissues increases through improved soil nutrient availability from frass and litter deposition. Over seven years of a spruce budworm outbreak, we quantified litter nutrient fluxes, soil nitrogen availability, and host tree foliar nutrient status along a forest susceptibility gradient. As the outbreak progressed, both soil nutrient fluxes and availability increased which, in turn, improved foliage quality in surviving host trees. This is consistent with boosted insect fitness and increased population density and defoliation as outbreaks grow. Our results suggest that a positive bottom-up feedback to forest ecosystems from defoliation may result in conditions favorable to self-amplifying population dynamics in insect herbivores that can contribute to driving broad-scale outbreaks.

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)0,001
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 enseignants0,310
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,057
Tête enseignante GPT0,321
Écart entre enseignants0,264 · 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

Citations20
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunications BiologyMême sujetFire effects on ecosystemsTravaux en français237 207