Rooting for the little guy: Below‐ground traits predict juvenile grass demography in microsites
Notice bibliographique
Résumé
Abstract Plant functional traits can be a powerful tool for predicting species demography in response to variable environmental conditions. However, accurate predictions of juvenile plant response require ontogenetically relevant traits that capture the response to microsite variability. This is particularly important when considering drivers of seedling emergence, survival, growth and recruitment of species in the context of population persistence or community assembly. We tested the effect of two different microsites on juvenile demography for eight perennial grass species in a semi‐arid system in Colorado along the western edge of the Great Plains. We used seed and root functional traits across multiple life stages to predict these responses and identify mechanisms driving species' emergence, survival, growth and recruitment. Contrary to our expectations, we found that microsites with increased soil moisture (i.e. furrows) had a negative effect on grass emergence early in the season but no effect on recruitment at the end of the season. This was likely driven by the increased growth and survival of grass juveniles in furrows compared to grass juveniles on the surface (reduced soil moisture). We also found that species with more acquisitive roots—from more rapid root elongation—benefited from the increased soil moisture early in the season, but this benefit disappeared later in the season, speaking to the value of using life‐stage specific traits to predict early life‐stage transitions. Variation in microsites will impact juvenile perennial grass demography differently depending on species' traits across life stages. While species in this system typically experience wet to dry transitions across the growing season, furrows with increased soil moisture reduce the intensity of this dry down and may alter demographic responses depending on grass functional traits across ontogeny. We found grass species that are adapted to take advantage of resource pulses did best in furrows where moisture was greater, but that species adapted to conserve resources under stress had limited capacity to respond to these resource pulses. Read the free Plain Language Summary for this article on the Journal blog.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».