MétaCan
Menu
Retour à la cohorte
Enregistrement W6980187924

Be it Horseweed or Common Reed: Invasion Sucks Indeed

2019· article· en· W6980187924 sur OpenAlexaboutno aff

Notice bibliographique

RevueDigital Commons - Montana Tech (Montana Tech of the University of Montana) · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainable Development and Environmental Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInvasive speciesIntroduced speciesGenetic diversityNative plantAbundance (ecology)EcosystemPhragmitesPropagule pressureSpecies diversity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Invasive alien species (IAS), which often differ in abundance and impacts in native and non-native ranges, need to be studied biogeographically for understanding such impacts. Here we demonstrate how common reed, Phragmites australis, and Canadian horseweed, Conyza canadensis, vary in abundance, impacts and genetic diversity within and across ranges. Our global scale field studies and controlled experiments revealed that both these species tend to drive out natives in the introduced ranges, but not at home. These species are biased in their competitive effects on species that co-occur with them in native and non-native ranges, suppressing the latter more than former. For instance, P. australis significantly reduces biomass, plant height and number of leaves of co-occurring species in non-native ranges than the native ranges. Invasive populations of P. australis showed highest levels of genetic diversity while the native populations showed the lowest. For C. canadensis, genetic diversity was relatively low and comparable between native and non-native ranges. Eco-physiological basis of variations in the behavior of invasive species and their impacts on key ecosystem functions are discussed. Insights from genetic variations and ecological impacts of two flagship global invaders at a transcontinental scale reiterate the need for integrated efforts worldwide to understand and manage the spread of IAS.

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)0,000
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 enseignants0,151
Score d'incertitude au seuil0,300

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,190
Écart entre enseignants0,177 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Commons - Montana Tech (Montana Tech of the University of Montana)Même sujetSustainable Development and Environmental PolicyTravaux en français237 207