MétaCan
Menu
Retour à la cohorte
Enregistrement W2417635454 · doi:10.1093/forestry/cpw014

Climate and height growth of taiwania (<i>Taiwania cryptomerioides</i>) and Taiwan incense-cedar (<i>Calocedrus formosana</i>) in Taiwan

2016· article· en· W2417635454 sur OpenAlexaff
C.-M. Chiu, Ching‐Te Chien, Gord Nigh, Chang-Han Chung

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensMinistry of Forests
Organismes subventionnairesnon disponible
Mots-clésIncenseForestryEnvironmental scienceGeographyClimate changeBotanyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Taiwan incense-cedar (Calocedrus formosana (Florin) Florin) and taiwania (Taiwania cryptomerioides Hayata) are coniferous species growing in Taiwan, Republic of China. Both species are red listed, and hence, their management and conservation are important. The objective of this research was to determine the effect of climate on the height growth of Taiwan incense-cedar and taiwania. Height growth data for Taiwan incense-cedar came from stem analysis data and the data for taiwania were from three sets of experimental plots. Climate data were obtained from nearby climate stations. Dynamic height growth models having parameters that were functions of climate variables were fit to the height data. A Chapman–Richards function formed the basis for Taiwan incense-cedar model, and a linear model was fit to the taiwania data. Mean summer temperature and precipitation were predictor variables for Taiwan incense-cedar height growth. These variables, along with growing degree-days, were predictor variables for taiwania. Several scenarios were devised to show the effect of climate on height growth. Under the A1B climate change scenario, the height growth of taiwania is expected to increase, but the height growth of Taiwan incense-cedar will decrease slightly. The climate/height growth relationships can assist in the conservation and stewardship of these species.

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 enseignants0,021
Score d'incertitude au seuil0,041

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
Bibliométrie0,0000,000
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 Opus0,015
Tête enseignante GPT0,297
Écart entre enseignants0,282 · 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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestry An International Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207