MétaCan
Menu
Retour à la cohorte
Enregistrement W4407477869 · doi:10.1139/cjb-2024-0077

The relationship between bark substratum and conspecific biomass affecting hydration and drying rate of a lichen epiphyte (<i>Platismatia glauca</i> (L.) W.L. Culb. &amp; C.F. Culb.)

2025· article· en· W4407477869 sur OpenAlexvenueno aff
Yi Jin Liew, Christopher J. Ellis

Notice bibliographique

RevueBotany · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLichen and fungal ecology
Établissements canadiensnon disponible
Organismes subventionnairesRural and Environment Science and Analytical Services Division
Mots-clésEpiphyteBiologyBark (sound)LichenBotanyBiomass (ecology)Ecology

Résumé

récupéré en direct d'OpenAlex

There is growing interest in the ecosystem roles contributed by “nonvascular photoautotrophs” (NVPs). This includes the biomass of epiphytic lichens and bryophytes, which can potentially absorb large amounts of atmospheric moisture (relative to their dry mass) therefore modifying hydrochemical pathways through the forest ecosystem. One further possibility is that NVP epiphytes can access moisture from, or at least have slower drying rates when in contact with, saturated bark surfaces. We tested this by comparing the drying rates for epiphytic lichen thalli positioned onto saturated bark of two types, with or without a conspecific biomass, relative to a free-drying control. We found little or no effect of saturated bark, but a strong effect of the conspecific biomass in slowing the thallus drying rate. The weak bark effect is possibly explained by the hydrophobic lower surface of the lichen species that was investigated ( Platismatia glauca (L.) W.L. Culb. & C.F. Culb.), which may act as a barrier to water uptake, and which may—contrary to our original hypothesis—slow bark surface drying. Although it seems highly plausible that bark–lichen hydrological interactions are important for incorporating NVPs into ecosystem models, the nature of these interactions may be more subtle than previously supposed, requiring further investigation.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,029
Tête enseignante GPT0,250
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetLichen and fungal ecologyTravaux en français237 207