Predicting Functional Role and Occurrence of Whitebark Pine ( <i>Pinus albicaulis</i> ) at Alpine Treelines: Model Accuracy and Variable Importance
Notice bibliographique
Résumé
At some alpine treelines in the Rocky Mountains, whitebark pine (Pinus albicaulis)—a keystone species—plays a central role in tree island development through facilitation. Whitebark pine occurs both as a solitary tree and also as a component of tree islands, although relative importance of these two patterns varies geographically. We examine the utility of four predictive models to understand how the functional role of a keystone species varies spatially with biophysical conditions. We use a novel data set to predict whitebark pine's functional role, characterized by spatial association and relative position within a tree island at three North American Rocky Mountain treelines. For the study areas combined, and at a study area level, we compared prediction accuracy and variable importance among these modeling approaches: general linear models, classification and regression trees, random forests, and support vector machines. Results revealed that the keystone role of whitebark pine varied spatially. For the combined model, growing season temperature and slope curvature were the most important predictive variables for association and relative position, as revealed by overall agreement among the four models. Prediction accuracy and variable importance varied at the study area level, though, indicating that different conclusions could be drawn from each model, if examined independently. We advocate comparing results from different modeling approaches for complex, field-derived data sets because it might enable a better understanding of model and variable selection and appropriateness of input data resolution. Furthermore, comparative modeling enables assessment of the relative predictive and interpretive capacities of each modeling approach.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».