Herbicide Injection and Native Seeding Recharges Restoration of Invaded Amur Honeysuckle (Lonicera maackii) Woodlands
Notice bibliographique
Résumé
Invasive species have become a significant threat to many ecosystems by negatively impacting native species. The invasive shrub Amur honeysuckle (Lonicera maackii) is no different, and outcompetes many native plants and hinders their growth through honeysuckle's early leaf phenology and allelopathic traits, respectively. This has led to expansive degraded woodland ecosystems in the eastern and midwestern United States and Canada. Controlling honeysuckle efficiently often requires technical skills, training, and intense labor, which is not accessible to many restoration groups or organizations. An additional challenge to successful restoration, once honeysuckle is controlled, is the remaining seedbank is often filled with additional invasives. We studied a novel restoration approach combining dry herbicide capsule injections with broadcasting native seeds in Illinois, USA, during 2022–2023. To study the effectiveness of this restoration approach, we set up a randomized block design with four treatments per block: winter injection, fall seeding, winter injection/fall seeding, and control. Seeding treatments included a native grass/forb/shrub mix (inland oats Chasmanthium latifolium, black-eyed susan Rudbeckia hirta, and northern spicebush Lindera benzoin). Winter injections significantly reduced honeysuckle foliar cover in the subsequent 2023 growing season by 97%, and 97.5% of injected plants were killed or severely injured. Plant species richness and Floristic Quality Index in winter injection/fall seeding treatments were higher than the control by 90% and 43%, respectively. Our study demonstrated that winter herbicide injection combined with native seed broadcasting was an effective method for jump-starting a restoration with limited effort or skill required.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».