MétaCan
Menu
Retour à la cohorte
Enregistrement W4396894512 · doi:10.1101/2024.05.10.593301

Effects of goldenrod ( <i>Solidago gigantea</i> Aiton and S. <i>canadensis</i> L.) invasion on the wet meadow vegetation composition of Somogyfajsz wood pasture

2024· preprint· en· W4396894512 sur OpenAlexaboutno aff
Katalin Szitár, Melinda Kabai, Zita Zimmermann, Gábor Szabó, Bruna Paolinelli Reis, László Somay

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBotany and Plant Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Research, Development and Innovation OfficeNemzeti Kutatási Fejlesztési és Innovációs Hivatal
Mots-clésSolidago canadensisVegetation (pathology)PastureComposition (language)BiologyBotanyEcologyInvasive speciesMedicineArt

Résumé

récupéré en direct d'OpenAlex

Abstract In recent decades, restoring abandoned wood pastures are being rediscovered as an effective way to preserve biodiversity. Their restoration include the control of invasive plant species. In our study, we compared the vegetation composition of wet meadow patches uninvaded and invaded by giant and Canadian goldenrod in a wood pasture located in Somogyfajsz, Hungary. We sampled the vegetation of the wet meadows of the pasture in 16 pairs of 1 x 1 m invaded and uninvaded quadrats in June 2020. We studied the effect of goldenrod invasion on nature conservation value in terms of species diversity, origin of species, and Social Behaviour Types, and forage quality and quantity. The study revealed that goldenrod invasion had negative effects on species richness and community-level biomass in wet meadows, leading to a significant reduction in species diversity and total cover. Goldenrod invasion also impacted the richness and cover of both native and exotic species, with a decrease in richness but not cover, highlighting the competitive ability of goldenrods and their potential to alter vegetation composition.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,352
Score d'incertitude au seuil0,646

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,180
Écart entre enseignants0,171 · 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'étudeExpérimental (laboratoire)
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetBotany and Plant Ecology StudiesTravaux en français237 207