MétaCan
Menu
Retour à la cohorte
Enregistrement W1990357183 · doi:10.3402/tellusb.v57i3.16542

Vegetation–soil water interaction within a dynamical ecosystem model of grassland in semi-arid areas

2005· article· en· W1990357183 sur OpenAlexafffund
Xiaodong Zeng, Samuel S. P. Shen, Robert E. Dickinson, Qing-cun Zeng

Notice bibliographique

RevueTellus B · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Science Foundation of Inner MongoliaMitacs
Mots-clésGrasslandEnvironmental scienceAridBiomass (ecology)Vegetation (pathology)EcosystemPrecipitationAlternative stable stateHydrology (agriculture)Water contentEcologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

A dynamical ecosystem model with three variables, living biomass, wilted biomass and available soil wetness, isdeveloped to examine the vegetation—soil water interaction in semi-arid areas. The governing equations are based onthe mass conservation law. The physical and biophysical processes are formulated with the parameters estimated fromobservational data. Both numerical results and qualitative analysis of the model as well as observational data indicate thatthe maintenance of a grassland requires a minimum precipitation (or equivalently, a minimum moisture index), and thegrassland and desert ecosystem can coexist when precipitation is within a range above this threshold. Sensitivity studiesshow that these numerical results are robust with respect to model parameters and the transformation functions. It isalso found that the wilted vegetation plays a very important role in shaping the transition between grassland and desert.By using the theories of an attractor basin and multiple equilibrium states, the conditions for grassland maintenance andthe strategy of grazing are also analysed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,206
Écart entre enseignants0,200 · 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'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

Citations38
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTellus BMême sujetEcosystem dynamics and resilienceTravaux en français237 207