Selecting models for capturing tree-size effects on growthresource relationships
Notice bibliographique
Résumé
Subject trees included in growth analyses often vary in their initial size, possibly obscuring the effects of growth factors. We compare methods for incorporating size effects into growth models. For four different tree species, red maple (Acer rubrum L.), sugar maple (Acer saccharum Marsh.), American beech (Fagus grandifolia Ehrh.), and red oak (Quercus rubra L.), we compared models of radial growth rate of saplings as a function of light, water, and nitrogen availability that (i) ignored size effects on absolute growthresource relationships, (ii) related absolute growth rate (AGR) to size and resource availability, (iii) related relative growth rate (RGR) to resource availability, and (iv) related RGR to tree size and resource availability. Size effects explained 13%14% of variation in growth rates, and failure to account for these effects resulted in a substantial size bias in growth prediction. Overall, AGR-based models that included size as a predictor variable provided the best predictions and clearest interpretation of growthresource relationships across all growth model types and species examined. Modeling RGR without including size effects resulted in residual size bias. Including size as a predictor of RGR yielded nearly equivalent results to using size to predict AGR. We suggest that investigators evaluate both AGR- and RGR-based approaches and determine which is most appropriate for their study.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».