MétaCan
Menu
Retour à la cohorte
Enregistrement W2593374232 · doi:10.1002/ecy.1785

Two centuries of masting data for <scp>E</scp>uropean beech and <scp>N</scp>orway spruce across the <scp>E</scp>uropean continent

2017· article· en· W2593374232 sur OpenAlexaff
Davide Ascoli, Janet Maringer, Andy Hacket‐Pain, Marco Conedera, Igor Drobyshev, Renzo Motta, Mara Cirolli, Władysław Kantorowicz, Christian Zang, Silvio Schueler, Luc Croisé, Pietro Piussi, Roberta Berretti, Ciprian Palaghianu, Marjana Westergren, Jonathan G. A. Lageard, Anton Burkart, Regula Gehrig Bichsel, Peter A. Thomas, Burkhard Beudert, Rolf Övergaard, Giorgio Vacchiano

Notice bibliographique

RevueEcology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensUniversité du Québec en Abitibi-TémiscamingueUniversité du Québec à MontréalNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesMinistero delle Politiche Agricole Alimentari e ForestaliUniversity of Oxford
Mots-clésBeechFagus sylvaticaPicea abiesGeographyEcologyForest dynamicsMast (botany)Biology

Résumé

récupéré en direct d'OpenAlex

Tree masting is one of the most intensively studied ecological processes. It affects nutrient fluxes of trees, regeneration dynamics in forests, animal population densities, and ultimately influences ecosystem services. Despite a large volume of research focused on masting, its evolutionary ecology, spatial and temporal variability, and environmental drivers are still matter of debate. Understanding the proximate and ultimate causes of masting at broad spatial and temporal scales will enable us to predict tree reproductive strategies and their response to changing environment. Here we provide broad spatial (distribution range-wide) and temporal (century) masting data for the two main masting tree species in Europe, European beech (Fagus sylvatica L.) and Norway spruce (Picea abies (L.) H. Karst.). We collected masting data from a total of 359 sources through an extensive literature review and from unpublished surveys. The data set has a total of 1,747 series and 18,348 yearly observations from 28 countries and covering a time span of years 1677-2016 and 1791-2016 for beech and spruce, respectively. For each record, the following information is available: identification code; species; year of observation; proxy of masting (flower, pollen, fruit, seed, dendrochronological reconstructions); statistical data type (ordinal, continuous); data value; unit of measurement (only in case of continuous data); geographical location (country, Nomenclature of Units for Territorial Statistics NUTS-1 level, municipality, coordinates); first and last record year and related length; type of data source (field survey, peer reviewed scientific literature, gray literature, personal observation); source identification code; date when data were added to the database; comments. To provide a ready-to-use masting index we harmonized ordinal data into five classes. Furthermore, we computed an additional field where continuous series with length >4 yr where converted into a five classes ordinal index. To our knowledge, this is the most comprehensive published database on species-specific masting behavior. It is useful to study spatial and temporal patterns of masting and its proximate and ultimate causes, to refine studies based on tree-ring chronologies, to understand dynamics of animal species and pests vectored by these animals affecting human health, and it may serve as calibration-validation data for dynamic forest models.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,003
Communication savante0,0000,000
Science ouverte0,0020,005
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 Opus0,038
Tête enseignante GPT0,304
Écart entre enseignants0,266 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations58
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetAnimal Ecology and Behavior StudiesTravaux en français237 207