MétaCan
Menu
Retour à la cohorte
Enregistrement W2167120590 · doi:10.5539/enrr.v3n2p52

A Study of Variation in Physiognomic Characteristics of Guinea Savanna Vegetation

2013· article· en· W2167120590 sur OpenAlexvenueno aff
Abdullahi Jibrin

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAfrican Botany and Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of EnvironmentAhmadu Bello University
Mots-clésVegetation (pathology)ShrublandBasal areaWoodlandGrasslandForestryEnvironmental scienceGeographyEcologyShrubAgroforestryPhysical geographyEcosystemBiology

Résumé

récupéré en direct d'OpenAlex

Variation in structural composition of Guinea savannah vegetation was investigated in Kpashimi forest reserve, Niger State, Nigeria. Field work inventory was conducted to determine the current status of the vegetation physiognomic characteristics of the six physiographic units in the study area; comprising of Riparian Forest, Savannah Woodland, Degraded forest Scrubland, Grassland, and Bare surface. Parameters measured include tree density, trunk diameter, basal area, tree density, tree species diversity, tree height, crown cover, shrub cover, and grass cover. The aim of the study is to determine and compare the variation in structural characteristics of the vegetation of the study area. Analysis of variance (ANOVA) showed significant differences amongst virtually all the parameters among the physiographic units. In general, the landscape of the forest reserve has been influenced significantly by anthropogenic disturbance and the resulting landscape vegetation cover is a mixture of natural and human managed mosaics that vary in shape, size, structure and arrangement. Thus, drastic measures need to be taken so as to reverse the trend and to mitigate the far reaching ecological consequences of vegetation degradation as highlighted in this study. Access to UNFCC carbon credit is hereby recommended for the management of the study area.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,435
Score d'incertitude au seuil0,098

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 Opus0,029
Tête enseignante GPT0,257
Écart entre enseignants0,227 · 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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetAfrican Botany and Ecology StudiesTravaux en français237 207