MétaCan
Menu
Retour à la cohorte
Enregistrement W4413471929 · doi:10.1139/as-2025-0006

Reassessing adaptational lag in <i>Eriophorum vaginatum</i>: short-term responses to reciprocal transplant and passive warming experiments in northern Alaska

2025· article· en· W4413471929 sur OpenAlexvenueno aff
Jennifer L. Chandler, James B. McGraw, Michael L. Moody, Jianwu Tang, Janice Voltzow, Ned Fetcher

Notice bibliographique

RevueArctic Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBotany, Ecology, and Taxonomy Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésReciprocalTerm (time)LagEnvironmental scienceComputer sciencePhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Previous Eriophorum vaginatum L. studies have detected adaptational lag in response to climate change. We revisited this concept through a short-term reciprocal transplant experiment combined with warming via open-top chambers (OTCs). We asked: (1) if population growth rates of different ecotypes responded differently to reciprocal transplant, (2) if home-site advantage existed, and (3) if an interaction of ecotype, transplant garden, and OTC treatment existed. We established three transplant gardens, two north of the Brooks Range (Toolik and Sagwon) and one south (Coldfoot); OTCs were deployed in northern gardens. We censused tillers in 2016 and 2017. Lefkovitch matrices were jackknifed using Yellow Taxi Analysis to quantify each tiller's contribution to population growth rate, which were incorporated into nested ANOVAs. Of tussocks grown in ambient temperature, mean tiller population growth from different source ecotypes did not respond differently to transplant. Home site advantage was not observed among tillers not exposed to warming via OTC, which may indicate adaptational lag is occurring. Mean population growth rate of OTC-exposed tillers was higher at Toolik than Sagwon. This study's short duration likely limited our ability to detect differences in tiller population growth as a function of garden or ecotype, emphasizing the need for long-term monitoring.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,915

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,032
Tête enseignante GPT0,280
Écart entre enseignants0,248 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetBotany, Ecology, and Taxonomy StudiesTravaux en français237 207