MétaCan
Menu
Retour à la cohorte
Enregistrement W6929414094 · doi:10.5061/dryad.fttdz08pc

Additive negative effects of decadal warming and nitrogen addition on grassland community stability

2020· dataset· en· W6929414094 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2020
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésGlobal warmingGrasslandEcosystemEcological stabilityPlant communitySteppeClimate changeSpecies richnessCommunity structure

Résumé

récupéré en direct d'OpenAlex

1. Much recent research has explored how global warming and increased nitrogen (N) deposition, two important components of global environmental changes, influence the structure and functioning of natural ecosystems. However, how ecosystem dynamics respond to the combination of long-term warming and N enrichment remains largely unexplored. 2. We investigated the impact of warming and N addition on the temporal stability of plant communities in a decade-long field experiment, conducted in a desert steppe in northern China, using a split-plot design with warming as the main-plot factor and N addition as the split-plot factor. 3. Long-term warming and N addition had additive, negative effects on plant community stability. A warming-induced decrease in species richness was not a significant driver of decreased community stability, which was instead driven by the decreased stability of dominant species under warming. On the other hand, a N-induced decrease in community stability was ascribed to both decreased stability of dominant and common species and decreased asynchronous population dynamics under N addition. 4. Synthesis. Our results suggest that ongoing anthropogenic environmental changes may have appreciable consequences for the stability of natural grassland functions and services while also highlighting the different mechanisms associated with the similar effects of climate warming and increased N deposition on grassland community stability.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,005

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 Opus0,021
Tête enseignante GPT0,268
Écart entre enseignants0,247 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADTravaux en français237 207