Test of the temperature difference model predicting masting behavior
Notice bibliographique
Résumé
The differential temperature (ΔT) model, based on the assumption that masting plants respond to the difference in the temperatures during the growing seasons 1 and 2 years prior to seed production, has recently been proposed to explain the proximate factor of masting. In this study, we used a 28-year series of data on pollen cone and seed production in Cryptomeria japonica D. Don in Japan and compared several models based on temperatures and resources to test whether ΔT acts as a cue or is a proxy for resource limitation. Of all the models tested, models including ΔT, previous summer absolute temperature Tn–1, and reproduction in the previous year provided the best fit. The number of pollen cones and seeds produced was proportional to the difference in the mean daily maximum temperature during June to August between the preceding two years. In addition, to test whether the double mast events in consecutive years was less common than consecutive warm summers, we used our dataset and 12 datasets of pollen dispersal of 17 years or longer of C. japonica in Japan. Although consecutive warm summers occurred in 4.4% of pairs, double mast events occurred in 1.0%. The ΔT model was a considerably better predictor of the rare phenomenon of double mast events, which occur only after a specific sequence of cold–moderate–hot absolute summer temperatures. Thus, ΔT acts as cue for masting in C. japonica.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».