Assessing survivorship and germination of seeded and planted species in restored Great Lakes coastal wetlands invaded by hybrid cattail, Typha x glauca
Notice bibliographique
Résumé
Coastal wetlands of the Laurentian Great Lakes face significant threats to their biodiversity and ecological function, driven by factors such as the spread of invasive plant species and the decline in native plant communities. These ecosystems, critical for flood mitigation, water quality, and wildlife habitat, have been severely altered by hybrid cattail, Typha x glauca. This species forms dense monocultures that outcompete native vegetation, leading to a change in the structure and function of these ecosystems. In Lake Ontario, native sedge-grass meadow habitats have diminished over the past several decades as T. x glauca populations continue to increase. To evaluate the effectiveness of restoration methods to control T. x glauca and establish native sedge-grass meadow communities, I assessed the long-term survivorship of seeded and planted species across three restored wetlands in the Braddock Bay Wildlife Management Area in Greece, NY. Long-term survivorship was around 50% of seeded or planted species persisting. Soil characteristics such as bulk density and soil moisture played a key role in increased survivorship of planted and seeded species. I conducted a field study at Cranberry Pond in the Braddock Bay Wildlife Management Area, testing seeding, plug planting, and hay transfer treatments to determine the method for seeding or planting associated with the highest germination, survivorship, and percent cover of native sedge-grass meadow species and their ability to suppress T. x glauca. Plug planting and seeding were most effective, while hay transfer showed limited success. Across sites, T. x glauca persisted, but native species establishment was successful when the seeding or planting method was tailored to the species’ characteristics and germination requirements. This study highlights the importance of diverse planting strategies, treatment combinations, and soil preparation to improve restoration success. These results provide practical guidance for land managers working to restore Great Lakes wetlands when seeding and planting native species in the face of invasive species challenges.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».