MétaCan
Menu
Retour à la cohorte
Enregistrement W2792968043 · doi:10.1139/cjfr-2017-0374

Do low-elevation ravines provide climate refugia for subalpine limber pine (<i>Pinus flexilis</i>) in the Great Basin, USA?

2018· article· en· W2792968043 sur OpenAlexvenueno aff
Constance I. Millar, David A. Charlet, Robert D. Westfall, John C. King, Diane L. Delany, Alan L. Flint, Lorraine E. Flint

Notice bibliographique

RevueCanadian Journal of Forest Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest ServiceOregon State UniversityU.S. Department of Agriculture
Mots-clésEcologyClimate changeElevation (ballistics)MicroclimateRefugium (fishkeeping)Riparian zoneRavineGeographyStructural basinHabitatBiologyGeologyGeomorphologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Climate refugia are locations where decoupled climate processes enable species to persist despite unfavorable climate changes in surrounding landscapes. Despite theoretic bases and paleo-ecological evidence, refugia have not been widely characterized under modern conditions in mountain regions. Conifers in the Great Basin, USA, provide an opportunity to evaluate the potential of low-elevation ravine and riparian (LERR) contexts to function as climate refugia. We provide evidence for significantly higher than expected occurrence of limber pine (Pinus flexilis E. James) in LERR contexts (mean 64%) across 43 mountain ranges. We document with observed and modeled data that LERR contexts are cooler and wetter than expected for their elevations, have low solar radiation, and produce larger (more positive) lapse rates relative to upland slopes. Together these findings suggest that LERR contexts generate decoupled microclimates that provide climate refugia for limber pine. In that refugia management has been promoted as a contemporary climate adaptation strategy, our findings suggest that LERR contexts be further evaluated for their conservation potential.

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)0,001
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 enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,070
Tête enseignante GPT0,338
Écart entre enseignants0,268 · 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

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207