MétaCan
Menu
Retour à la cohorte
Enregistrement W1963848288 · doi:10.1360/03yc0219

Ecological dynamic model of grassland and its practical verification

2005· article· en· W1963848288 sur OpenAlexaff

Notice bibliographique

RevueScience in China Series C Life Sciences · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGrasslandOvergrazingEnvironmental scienceDesertificationBiomass (ecology)PrecipitationGrassland ecosystemShadingGrassland degradationEcologySoil scienceAtmospheric sciencesHydrology (agriculture)GeographyMeteorologyGrazingBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Based on the physico-biophysical considerations, mathematical analysis and some approximate formulations generally adopted in meteorology and ecology, an ecological dynamic model of grassland is developed. The model consists of three interactive variables, i.e. the biomass of living grass, the biomass of wilted grass, and the soil wetness. The major biophysical processes are represented in parameterization formulas, and the model parameters can be determined inversely by using the observational climatological and ecological data. Some major parameters are adjusted by this method to fit the data (although incomplete) in the Inner Mongolia grassland, and other secondary parameters are estimated through sensitivity studies. The model results are well agreed with reality, e.g., (i) the maintenance of grassland requires a minimum amount of annual precipitation (approximately 300 mm); (ii) there is a significant relationship between the annual precipitation and the biomass of living grass; and (iii) the overgrazing will eventually result in desertification. A specific emphasis is put on the shading effect of the wilted grass accumulated on the soil surface. It effectively reduces the soil surface temperature and the evaporation, hence benefits the maintenance of grassland and the reduction of water loss in the soil.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,828

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations10
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience in China Series C Life SciencesMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207