MétaCan
Menu
Retour à la cohorte
Enregistrement W4399484733 · doi:10.1111/ele.14450

Grazing herbivores reduce herbaceous biomass and fire activity across African savannas

2024· article· en· W4399484733 sur OpenAlexfundno aff
Allison T. Karp, Sally E. Koerner, Gareth P. Hempson, Joel O. Abraham, T. Michael Anderson, William J. Bond, Deron E. Burkepile, Elizabeth N. Fillion, Jacob R. Goheen, Jennifer A. Guyton, Tyler R. Kartzinel, Duncan M. Kimuyu, Neha Mohanbabu, Todd M. Palmer, Lauren M. Porensky, Robert M. Pringle, Mark E. Ritchie, Melinda D. Smith, Dave I. Thompson, Truman P. Young, A. Carla Staver

Notice bibliographique

RevueEcology Letters · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland Management and Livestock Ecology
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPrinceton Environmental Institute, Princeton UniversityU.S. Fish and Wildlife ServiceNational Commission for Science and TechnologyUniversity of FloridaPrinceton UniversityNational Geographic SocietyUniversity of British ColumbiaSmithsonian InstitutionNational Science Foundation
Mots-clésHerbivoreGrazingEcologyBiomass (ecology)Herbaceous plantEnvironmental scienceGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Fire and herbivory interact to alter ecosystems and carbon cycling. In savannas, herbivores can reduce fire activity by removing grass biomass, but the size of these effects and what regulates them remain uncertain. To examine grazing effects on fuels and fire regimes across African savannas, we combined data from herbivore exclosure experiments with remotely sensed data on fire activity and herbivore density. We show that, broadly across African savannas, grazing herbivores substantially reduce both herbaceous biomass and fire activity. The size of these effects was strongly associated with grazing herbivore densities, and surprisingly, was mostly consistent across different environments. A one‐zebra increase in herbivore biomass density (~100 kg/km 2 of metabolic biomass) resulted in a ~53 kg/ha reduction in standing herbaceous biomass and a ~0.43 percentage point reduction in burned area. Our results indicate that fire models can be improved by incorporating grazing effects on grass biomass.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,242
Écart entre enseignants0,233 · 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

Citations26
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetRangeland Management and Livestock EcologyTravaux en français237 207