MétaCan
Menu
Retour à la cohorte
Enregistrement W2391714993

The changes of plant communities and the landscape heterogeneity in Shule River Basin

2014· article· en· W2391714993 sur OpenAlexaff
Wei We

Notice bibliographique

RevueCaoye kexue · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Changes in China
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésVegetation (pathology)TerrainSpatial heterogeneityPhysical geographyDrainage basinSpatial distributionPopulationEnvironmental scienceVegetation typesVegetation typeEcologyGeographyRemote sensingShrubHabitatCartography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The vegetation communities and landscape types in Shule River basin were classified and refined based on 231plant-square survey combined with remote sensing data and existing vegetation data to reveal the characteristics of spatial distribution and other changes of vegetation types with the terrain and other elements.The vegetation landscape heterogeneity was analyzed using the grid line relative frequency from linear sampling method.The results showed that Alhagisparsifolia,Nitraria tangutorum,Lycium ruthenicum,Tamarixsp.,Kalidium foliatum,Sympegma regelii were the main vegetation types in the study area which occupied an absolutely dominant position.These vegetation characteristics of staggered distribution and mutual influence were the important factors influencing the structure,function and dynamics of ecosystems to form unique vegetation communities and landscape system of Shule River.Along with different altitude,the vegetation types were richer and the distribution was more complex with the relative frequency less than 50%.For the different gradient performance of landscape heterogeneity,therelative frequency of dominant populations in different vegetation types were not high and vegetation communities and landscape heterogeneity were lower.Along the vegetation of latitudinal direction,horizontal cross-sectional distribution was single with a large area which had domain population advantages.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,203
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCaoye kexueMême sujetEnvironmental Changes in ChinaTravaux en français237 207