Tundra Trait Team: A database of plant traits spanning the tundra biome
Notice bibliographique
Résumé
Abstract Motivation The Tundra Trait Team (TTT) database includes field‐based measurements of key traits related to plant form and function at multiple sites across the tundra biome. This dataset can be used to address theoretical questions about plant strategy and trade‐offs, trait–environment relationships and environmental filtering, and trait variation across spatial scales, to validate satellite data, and to inform Earth system model parameters. Main types of variable contained The database contains 91,970 measurements of 18 plant traits. The most frequently measured traits (> 1,000 observations each) include plant height, leaf area, specific leaf area, leaf fresh and dry mass, leaf dry matter content, leaf nitrogen, carbon and phosphorus content, leaf C:N and N:P, seed mass, and stem specific density. Spatial location and grain Measurements were collected in tundra habitats in both the Northern and Southern Hemispheres, including Arctic sites in Alaska, Canada, Greenland, Fennoscandia and Siberia, alpine sites in the European Alps, Colorado Rockies, Caucasus, Ural Mountains, Pyrenees, Australian Alps, and Central Otago Mountains (New Zealand), and sub‐Antarctic Marion Island. More than 99% of observations are georeferenced. Time period and grain All data were collected between 1964 and 2018. A small number of sites have repeated trait measurements at two or more time periods. Major taxa and level of measurement Trait measurements were made on 978 terrestrial vascular plant species growing in tundra habitats. Most observations are on individuals (86%), while the remainder represent plot or site means or maximums per species. Software format csv file and GitHub repository with data cleaning scripts in R; contribution to TRY plant trait database ( www.try-db.org ) to be included in the next version release.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».