MétaCan
Menu
Retour à la cohorte
Enregistrement W1606160020 · doi:10.15094/00006153

Extensive Forest Leaf Area Survey Aiming at Detection of Vegetation Change in Subarctic-Boreal Zone

2000· article· en· W1606160020 sur OpenAlexaboutno aff
T. Kusakabe, H. Tsuzuki, Gary B. Hughes, Tatsuo Sweda

Notice bibliographique

RevueDigitalCommons - CalPoly (California State Polytechnic University) · 2000
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLeaf Properties and Growth Measurement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubarctic climateEnvironmental scienceBiomeVegetation (pathology)TaigaLeaf area indexTransectBorealClimate changePhysical geographyEcosystemGeographyEcologyForestryGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

The warming resulting from increasing anthropogenic carbon dioxide and other greenhouse gasses is expected to be most prominent in the subarctic-boreal region of the Northern Hemisphere. With the objective of setting up a baseline to monitor possible vegetation change in this region, a continuous vegetation profile extending 600km from Edmonton, Alberta to Cluff Lake, Saskatchewan, Canada was measured using an airborne infrared laser altimeter mounted on a helicopter. Then the distribution of leaf area index over the same 600km long transect was estimated from this vegetation profile based on a series of plot surveys on the ground to correlate the vegetation profile with leaf area index via standing stock. The distribution of leaf area index not only corresponded well with biome type, but also showed characteristic change in accordance with environmental gradient within a given biome, thus confirming that airborne laser altimetry is a powerful tool for measuring and monitoring such important vegetation characteristics as standing volume, leaf area index, etc. over an extensive area.

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 enseignants0,063
Score d'incertitude au seuil0,125

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,202
Écart entre enseignants0,161 · 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

Citations7
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigitalCommons - CalPoly (California State Polytechnic University)Même sujetLeaf Properties and Growth MeasurementTravaux en français237 207