Modeling the occurrence of 15 coniferous tree species throughout the Pacific Northwest of North America using a hybrid approach of a generic process-based growth model and decision tree analysis
Notice bibliographique
Résumé
Question: Can we interpret how climatic variation limits photosynthesis and growth for one widely distributed species, and then relate these responses to model the geographic distributions of other species? Location: The forested region of the Pacific Northwest, United States and Canada. Methods: We first mapped monthly climatic data, averaged for the period 1950 to 1975 at 1 km resolution across the region. The recorded presence and absence of 15 native tree species were next mapped at 1 km resolution from data acquired on 22 771 field survey plots. To establish seasonal limits on photosynthesis and water use, a process-based growth model (3-PG, Physiological Processes to Predict Growth) was parameterized for Douglas-fir (Pseudotsuga menziesii), one of the most widely distributed species in the region. Automated decision tree analyses were used to predict the distribution of different species by creating a suite of rules associated with the relative constraints that soil drought, atmospheric humidity deficits, suboptimal and subfreezing temperatures would impose on the growth of Douglas-fir. Results: The 3-PG process-based modeling approach, combined with automated decision tree analyses, predicted presence and absence of 15 conifers on field survey plots with an average accuracy of 82±12%. Predictive models of current distribution for each species differed in the number of, order in, and physiological thresholds selected. A deficit in the soil water balance, followed by departures from optimum temperatures in the summer were the two most important variables selected in predicting species distributions. Conclusions: Although empirical models using different sampling techniques and statistical analyses may be more accurate in predicting current distribution of species, the hybrid approach presented in this paper provides a greater mechanistic understanding of the limits to growth and tree distributions. These attributes of process-based models make them particularly useful in designing mitigating strategies to projected changes in climate.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».