MétaCan
Menu
Retour à la cohorte
Enregistrement W2050010137 · doi:10.5539/jas.v3n3p111

Vascular Plant Composition and Diversity of a Coastal Hill Forest in Perak, Malaysia

2011· article· en· W2050010137 sur OpenAlexvenueno aff
S. Ghollasimood, I. Faridah Hanum, M. Nazre, Abd Kudus Kamziah, A. G. Awang Noor

Notice bibliographique

RevueJournal of Agricultural Science · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant and Fungal Species Descriptions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpecies richnessLianaDipterocarpaceaeSpecies diversityBiologyFloristicsVascular plantDominance (genetics)Diversity indexBotanyRubiaceaePteridophyteEcology

Résumé

récupéré en direct d'OpenAlex

Vascular plant species and diversity of a coastal hill forest in Sungai Pinang Permanent Forest Reserve in Pulau Pangkor at Perak were studied based on the data from five one hectare plots. All vascular plants were enumerated and identified. Importance value index (IVI) was computed to characterize the floristic composition. To capture different aspects of species diversity, we considered five different indices. The mean stem density was 7585 stems per ha. In total 36797 vascular plants representing 348 species belong to 227 genera in 89 families were identified within 5-ha of a coastal hill forest that is comprises 4.2% species, 10.7% genera and 34.7% families of the total taxa found in Peninsular Malaysia. Based on IVI, Agrostistachys longifolia (IVI 1245), Eugeissona tristis (IVI 890), Calophyllum wallichianum (IVI 807), followed by Taenitis blechnoides (IVI 784) were the most dominant species. The most speciose rich families were Rubiaceae having 27 species, followed by Dipterocarpaceae (21 species), Euphorbiaceae (20 species) and Palmae (14 species). According to growth forms, 57% of all species were trees, 13% shrubs, 10% herbs, 9% lianas, 4% palms, 3.5% climbers and 3% ferns. Diversity indices were higher along the stream side and species accumulation curve showed sampling area captured a high proportion of the species richness.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil0,111

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,014
Tête enseignante GPT0,184
Écart entre enseignants0,170 · 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'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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPlant and Fungal Species DescriptionsTravaux en français237 207