MétaCan
Menu
Retour à la cohorte
Enregistrement W4403877728 · doi:10.1017/inp.2024.31

Phenology and resource allocation strategies of diploid flowering rush (<i>Butomus umbellatus</i>) in Ohio and New York

2024· article· en· W4403877728 sur OpenAlexaboutno aff
Maxwell G. Gebhart, Ryan M. Wersal, Andrew Hannes, Nathan E. Harms, Bradley T. Sartain, William L. Wolanske, M.M. Yeager

Notice bibliographique

RevueInvasive Plant Science and Management · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhenologyGeographyResource (disambiguation)EcologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Flowering rush ( Butomus umbellatus L.) is an emergent perennial monocot that has invaded aquatic systems along the U.S.–Canadian border. Currently, there are two known cytotypes of flowering rush, diploid and triploid, within the invaded range. Although most studies have focused on the triploid cytotype, little information is known about diploid plants. Therefore, phenology and resource allocation were studied on the diploid cytotype of flowering rush in three study sites (Mentor Marsh, OH; Tonawanda Wildlife Management Area, NY; and Unity Island, NY) to understand seasonal resource allocation and environmental influences on growth, and to optimize management strategies. Samples were harvested once a month from May to November at each site from 2021 to 2023. Plant metrics were regressed to air temperature, water temperature, and water depth. Aboveground biomass peaked from July to September and comprised 50% to 70% of total biomass. Rhizome biomass peaked from September to November and comprised 40% to 50% of total biomass. Rhizome bulbil densities peaked from September to November at 3,000 to 16,000 rhizome bulbils m −2 . Regression analysis resulted in strong negative relationships between rhizome starch content and air temperature (r 2 = 0.52) and water temperature (r 2 = 46). Other significant, though weak, relationships were found, including a positive relationship between aboveground biomass and air temperature (r 2 = 0.17), a negative relationship between rhizome bulbil biomass and air temperature (r 2 = 0.18) and a positive relationship between leaf density and air temperature (r 2 = 0.17). Rhizomes and rhizome bulbils combined stored up to 60% of total starch, and therefore, present a unique challenge to management, as these structures cannot be reached directly with herbicides. Therefore, management should target the aboveground tissue before peak production (July) to reduce internal starch storage and aim to limit regrowth over several years.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil0,380

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 Opus0,019
Tête enseignante GPT0,222
Écart entre enseignants0,203 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInvasive Plant Science and ManagementMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207