MétaCan
Menu
Retour à la cohorte
Enregistrement W2061300829 · doi:10.1086/587527

Do Fires in Savannas Consume Woody Biomass? A Comment on Approaches to Modeling Savanna Dynamics

2008· article· en· W2061300829 sur OpenAlexaff
Niall P. Hanan, William B. Sea, Gerhard Dangelmayr, Navashni Govender

Notice bibliographique

RevueThe American Naturalist · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensKruger (Canada)
Organismes subventionnairesNational Science Foundation
Mots-clésBiomass (ecology)EcosystemEcologyWoody plantDisturbance (geology)Vegetation (pathology)Fire ecologyFire regimeAgroforestryEnvironmental scienceGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Savanna ecosystems have long been fertile ground for mathematical modeling of vegetation structure and the role of resources and disturbance in tree-grass coexistence. In recent years, several authors have presented models that explore how savanna fires suppress the woody community, alter ecosystem dynamics, and promote grass persistence. We argue, however, that the assumption that fires influence savanna dynamics by consuming woody biomass may be wrong because, in reality, fires kill seedlings and saplings that constitute little biomass relative to adult trees. We present a simple alternative that separates the woody community into a subadult (fire-sensitive) class and an adult (fire-resistant) class and explore how this ecologically more realistic, but still simplified, model may provide better simulations of demographic processes and response to fires in savannas.

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 enseignants0,350
Score d'incertitude au seuil0,466

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 technologies0,0000,001
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 Opus0,069
Tête enseignante GPT0,263
Écart entre enseignants0,194 · 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

Citations85
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American NaturalistMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207