Short‐term effects of experimental goose grazing and warming differ in three <scp>low‐Arctic</scp> coastal wetland plant communities
Notice bibliographique
Résumé
Abstract Question Understanding the sensitivity and magnitude of plant community responses in tundra wetlands to herbivory and warming is pressing as these ecosystems are increasingly threatened by changes in grazing pressure and higher temperatures. Here, we ask to what extent different low‐Arctic coastal wetland plant communities are affected by short‐term goose grazing and warming, and whether these communities differ in their responses. Location Yukon–Kuskokwim Delta, Alaska. Methods We conducted an experiment where we simulated goose grazing by clipping the vegetation and summer warming by using open‐top chambers in three plant communities along a 6‐km coastal–inland gradient. We assessed plant community compositional changes following two years of treatments. Results Grazing had stronger effects than warming on both plant functional group and species composition. Overall, grazing decreased the abundance of grasses and sedges and increased the abundance of forbs, whereas warming only caused a decrease in forb abundance. However, plant communities and functional groups, both within and across communities, varied widely in their responses to treatments. Grazing decreased grass abundance (−25%) and increased forb abundance (+44%) in the two more coastal communities, and reduced sedge abundance (−22%) only in the most inland community. Warming only decreased forb abundance (−18%) in the most coastal community, which overall was the most responsive to treatments. Conclusions We show that short‐term goose grazing predominates over short‐term summer warming in eliciting compositional changes in three different low‐Arctic coastal wetland plant communities. Yet, responses varied among communities and the same functional groups could respond differently across them, highlighting the importance of investigating the effects of biotic and abiotic drivers in different contexts. By showing that tundra wetland plant communities can differ in their immediate sensitivity to goose grazing and, though to a lesser extent, warming, our findings have implications for the functioning of these rapidly changing high‐latitude ecosystems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».