Tipping the balance: The role of seed density, abiotic filters, and priority effects in seed‐based wetland restoration
Notice bibliographique
Résumé
Abstract Sowing native seeds is a common approach to reintroduce native plants to degraded systems. However, this method is often overlooked in wetland restoration despite the immense global loss of diverse native wetland vegetation. Developing guiding principles for seed‐based wetland restoration is critical to maximize native plant recovery, particularly in previously invaded wetlands. Doing so requires a comprehensive understanding of how restoration manipulations, and their interactions, influence wetland plant community assembly. With a focus on the invader Phragmites australis, we established a series of mesocosm experiments to assess how native sowing density, invader propagule pressure, abiotic filters (water and nutrients), and native sowing timing (i.e., priority effects) interact to influence plant community cover and biomass in wetland habitats. Increasing the density of native seeds yielded higher native cover and biomass, but P. australis suppression with increasing sowing densities was minimal. Rather, community outcomes were largely driven by invader propagule pressure: P. australis densities of ≤500 seeds/m2 maintained high native cover and biomass. Low‐water conditions increased the susceptibility of P. australis to dominance by native competitors. Early sowing of native seeds showed a large and significant benefit to native cover and biomass, regardless of native sowing density, suggesting that priority effects can be an effective restoration manipulation to enhance native plant establishment. Given the urgent wetland restoration need combined with the limited studies on seed‐based wetland restoration, these findings provide guidance on restoration manipulations that are grounded in ecological theory to improve seed‐based wetland restoration outcomes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».