MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415710090 · doi:10.1101/2025.10.28.685165

Temperature-dependent herbivore nutritional traits affect population dynamics and persistence

2025· preprint· W4415710090 sur OpenAlexaff
David Anderson, Francis Fruin Laid-Low, Mary I. O’Connor

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langue
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHerbivoreNutrientTrophic levelPopulationBiomass (ecology)Autotroph

Résumé

récupéré en direct d'OpenAlex

Abstract The nutritional traits of herbivores affect demographic rates and regulate nutrient and energy fluxes among trophic levels. Herbivore nutritional requirements, and the nutrient contents of herbivore biomass, depend on temperature – at temperature extremes, more nutritious food is required to maximize growth rate and herbivore biomass contains fewer nutrients. Yet, the consequences of these thermal responses for the population dynamics of herbivore-autotroph systems have not been explored. Here, we develop and analyze a stoichiometrically-explicit, temperature-dependent model of herbivore-autotroph systems to answer the question: How does the thermal response of herbivore nutritional traits affect population responses to temperature and nutrient (phosphorus) supply? We find that temperature-dependent herbivore nutritional traits restrict the range of temperatures at which herbivore populations persist, reduce the stability of population dynamics at high phosphorus supplies, and limit the herbivore’s capacity to control autotroph population density. These results reflect temperature-dependent changes in the herbivore’s sensitivity to nutrient-poor autotroph biomass and ability to retain nutrients in biomass (and thereby dilute autotroph nutrient contents). The thermal response of herbivore nutritional traits may therefore be an important factor influencing population and community responses to warming and nutrient enrichment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
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 Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), 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 revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetWildlife Ecology and Conservation→Travaux en français237 207→