Predicting white spruce cone crops in the boreal forests of southern and central Yukon
Notice bibliographique
Résumé
White spruce (Picea glauca (Moench) Voss) cone crops were measured at five regional centers in southern and central Yukon for 30 years at one site from 1986 to 2015 and at four other sites during 9 to 11 years to select the best climatic model that uses cues from growing season temperature and rainfall to predict the size of cone crops. We evaluated six climatic models that use summer temperature and rainfall of years t – 1 and t – 2 to predict cone crops in year t. July temperatures provided the best predictors of white spruce cone crops, and no rainfall variable was related to the size of cone crops. We explored three variants of July temperatures: mean temperature, degree-days > 5 °C, and maximum temperatures. For each of these, we used the ΔT model that uses the difference in the July temperature measures of years t – 1 and t – 2. We compared the resulting six models with corrected Akaike’s information criterion (AICc) to determine their relative predictive performance. The best model combined ΔT measures of degree-days > 5 °C and the four highest daily maximum July temperatures with R2 = 0.65. By comparison, the ΔT model involving only mean July temperatures was less successful (R2 = 0.49). There was good regional synchrony (rp = 0.7 to 0.8) in high cone crops over southern and central Yukon during 1986 to 2015.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».