MétaCan
Menu
Retour à la cohorte
Enregistrement W2019335013 · doi:10.1111/j.1365-2699.2012.02764.x

Temperature dependence of the reproduction niche and its relevance for plant species distributions

2012· article· en· W2019335013 sur OpenAlexaff
Olga Bykova, Isabelle Chuine, Xavier Morin, Steven I. Higgins

Notice bibliographique

RevueJournal of Biogeography · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNicheReproductionEcologyBiologyRange (aeronautics)Environmental niche modellingPlant reproductionEcological nicheAbundance (ecology)HabitatPollination

Résumé

récupéré en direct d'OpenAlex

Abstract The distribution and abundance of plant species are intimately related to their reproductive success, which in turn is affected by a large number of environmental variables. Yet, reproductive success is rarely taken into account in species distribution models (SDMs). In this paper we examine the extent to which consideration of the reproduction niche and its relationship with temperature could improve SDMs. We review the literature on plant reproductive responses to temperature and the influence of these relationships on species range delimitation. We define the reproduction niche and discuss how temperature influences several stages of the reproductive process. Furthermore, we review examples that illustrate how the reproduction niche influences species distributions and discuss how aspects of the reproduction niche could be considered in SDMs. We show that the reproduction niche fundamentally influences species distributions and that in principle it is easy to include aspects of the reproduction niche in SDMs, although sufficient data are only available for a restricted number of species. Bayesian methods and inverse parameterization may be the most efficient way to use existing data.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,233
Écart entre enseignants0,213 · 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

Citations129
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of BiogeographyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207