MétaCan
Menu
Retour à la cohorte
Enregistrement W4377087172 · doi:10.1139/as-2022-0046

A propagation technique for native tundra bryophytes for Arctic ecosystem restoration

2023· article· en· W4377087172 sur OpenAlexaffvenueabout
Jasmine J.M. Lamarre, Amalesh Dhar, M. Anne Naeth

Notice bibliographique

RevueArctic Science · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBryophyteTundraRevegetationEcosystemArcticEnvironmental sciencePropaguleEcologyBiologyEcological succession

Résumé

récupéré en direct d'OpenAlex

Extreme environmental conditions and limited understanding of ecosystem processes and community dynamics pose significant challenges for Arctic ecosystem restoration activities. As pioneer species, bryophytes are critical to the function and structure of northern ecosystems and play an important role in facilitating soil and microhabitat development. A total of 11 bryophytes species were collected from a mixed community near Lac de Gras in the Northwest Territories, Canada, and a 12 week laboratory study was conducted. Three propagule types (large = 2.1–40 mm, medium = 1.0–2 mm, and small = <1 mm phyllids) and three slurries (distilled water, beer, and buttermilk) were used to determine effective bryophyte propagation techniques and slurries for species introduction in Arctic restoration sites. Medium-size fragments were more effective than large or small for propagating bryophytes as they led to greater bryophyte plant count and cover. Water and beer were more effective than buttermilk, although their effects decreased after 12 weeks. Bryum pseudotriquetrum Hedw. was the most abundant species propagated, followed by Aulacomnium turgidum (Wahlenb.) Schwägr. and Ceratodon purpureus (Hedw.) Brid. This study suggests that propagation with medium-size fragments and distilled water would be most efficient for field application in Arctic ecosystem restoration if bryophyte revegetation is a focus.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,398
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,060
Tête enseignante GPT0,291
Écart entre enseignants0,231 · 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.

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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetClimate change and permafrostTravaux en français237 207