Scientific Basis for EcoVeg
Notice bibliographique
Résumé
We summarized the scientific basis for EcoVeg, a physiognomic–floristic–ecological classification approach that applies to existing vegetation, both cultural (planted and dominated by human processes) and natural (spontaneously formed and dominated by non-human ecological processes). It provides a framework that can: describe vegetation types at multiple thematic scales, from formations (biomes) to fine-scale associations (biotopes). inventory vegetation and ecosystem patterns within and across landscapes and ecoregions. support status and trends of ecosystems. facilitate interpretation of long-term and short-term vegetation change. track ecosystem responses to invasive species, land use, and climate change. EcoVeg currently guides the U.S. National Vegetation Classification (NVC), Canadian NVC, Bolivian NVC, and the International Vegetation Classification (IVC), including North America, South America, Africa, and all grasslands. Asian elephant passing through a tea plantation (cultural vegetation) in the Valparai plateau in Anamalai Hills of the western Ghats, India, on its way from one natural forest patch to another. Classifying the type of cultural vegetation is important to the overall assessment of elephant habitat, because, although the elephants are able to use the tea plantations as part of a migratory corridor, they are also likely to run into conflict with humans as they pass through (Sukumar and Easa 2006). Photo by Kalyan Varma; used with permission. This photograph illustrates the article “EcoVeg: a new approach to vegetation description and classification,” by Don Faber-Langendoen, Todd Keeler-Wolf, Del Meidinger, Dave Tart, Bruce Hoagland, Carmen Josse, Gonzalo Navarro, Serguei Ponomarenko, Jean-Pierre Saucier, Alan Weakley, and Patrick Comer, tentatively scheduled to appear in Ecological Monographs 84(4), November 2014. http://dx.doi.org/10.1890/0012-9623-90.1.87
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 | 0,001 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».