MétaCan
Menu
Retour à la cohorte
Enregistrement W4408329695 · doi:10.1111/een.13435

Can long‐term diapause/dormancy improve persistence in a positively autocorrelated environment?

2025· article· en· W4408329695 sur OpenAlexaff
Max Hooper, Jamie Musgrove, Francis Gilbert

Notice bibliographique

RevueEcological Entomology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiologyDiapauseDormancyPersistence (discontinuity)Term (time)AutocorrelationEcologyStatisticsLarvaBotany

Résumé

récupéré en direct d'OpenAlex

Abstract A temporal bet‐hedging strategy spreads demographic risk across multiple years via diapause/dormancy mechanisms. Diapause polymorphisms (i.e. individuals varying in the length of their diapause) are said to lead to greater persistence in white‐noise stochastic environments but to be less advantageous in temporally autocorrelated or ‘reddened’ environments because immediate future conditions are more predictable. Only diapause lasting for up to 2 years has been investigated, despite numerous species possessing longer diapause polymorphisms. We predicted that longer diapause polymorphisms (>2 years) would extend the advantage of a bet‐hedging strategy to times when reddened environments become unpredictable again. Using data from the Sinai Baton Blue butterfly, we modelled the effect of longer‐diapause strategies (>2 years) and varying degrees of temporal autocorrelation of environmental stochasticity. Both 3‐year and 8‐year diapause polymorphisms were more advantageous, characterised by greater stability or slower population decline than a simple one‐year diapause in white‐noise stochastic environments; while the longer 8‐year diapause polymorphism was more advantageous in reddened stochastic environments. This marks the first evidence that longer diapause polymorphisms are an evolutionary response to reddened stochastic environments.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,010
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,007
Tête enseignante GPT0,206
Écart entre enseignants0,199 · 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.

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 revueEcological EntomologyMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207