Effect of climatological factors on ground-layer vegetation: a case study to assess and protect the fire-prone grasslands of Odisha, India
Notice bibliographique
Résumé
Vegetation diversity and the effect of fire on grassland communities in Odisha were evaluated, along with phenological behaviour in response to climatic factors. This study noted 3100 individuals from 63 grassland taxa under 12 families and 44 genera. Of these, 22 grass species and 11 non-grass species were found in burned grassland sites, while 13 grass species and 17 non-grass species were observed in unburned sites. About 81% of the examined individuals flowered in burned sites compared to 35% in unburned sites. The phytosociological investigation reveals that Imperata cylindrica, Cynodon dactylon, Mimosa pudica, and Dichanthium annulatum thrived and showed dominance after a severe fire. Phenological analyses revealed that flower initiation positively correlates with available nitrogen (r = 0.8, p < 0.01) and rainfall (r = 0.6, p < 0.01). However, a negative correlation was found between fruit senescence and soil moisture (r = -0.8, p < 0.01). Principal component analysis revealed that rainfall and available nitrogen are the main factors explaining phenological divergence in sampling sites. This case study on the interaction between phenological data and fire may help to conserve fire-resistant species and develop a conservation strategy for grassland taxa in fire-prone regions.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».