MétaCan
Menu
← Retour à la cohorte
Enregistrement W3025759339 · doi:10.1101/2020.05.11.088039

Leaf shape and size variation in bur oaks: An empirical study and simulation of sampling strategies

2020· preprint· en· W3025759339 sur OpenAlexaff
Sara C. Desmond, Mira Garner, Seamus Flannery, Alan T. Whittemore, Andrew L. Hipp

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLeaf sizeFagaceaeBiologySampling (signal processing)PopulationRange (aeronautics)LatitudeBotanyStatisticsMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT PREMISE Leaf shape and size figure strongly in trees’ adaptation to their environments. Oaks are notoriously variable in leaf morphology. Our study examines the degree to which within-tree, among-tree, and among-site variation contribute to latitudinal variation in leaf shape and size of bur oak ( Quercus macrocarpa : Fagaceae), one of North America’s most geographically widespread oak species. METHODS Samples were collected from four sites each at northern, central, and southern latitudes of the bur oak range. Ten leaf size traits were measured, and variance in these traits and eight ratios based on these traits was partitioned into tree, population, and latitude components. We then parameterized a series of leaf collection simulations using empirical covariance among leaves on trees and trees at sites. We used the simulations to assess the efficiency of different collecting strategies for estimating among-population differences in leaf shape and size. KEY RESULTS Leaf size measurements were highly responsive to latitude. Site contributed more than tree to total variation in leaf morphology. Simulations suggest that power to detect among-site variance in leaf shape and size can be estimated most efficiently with increases in either leaves per tree (10-11 leaves from each of 5 trees) or trees per site (5 leaves from each of 10+ trees). CONCLUSIONS Our study demonstrates the utility of simulating sampling and controlling for variance in sampling for leaf morphology, whether the questions being addressed are ecological, evolutionary, or taxonomic. Simulation code is provided as an R package (traitsPopSim) to help researchers plan morphological sampling strategies.

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)0,010
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,025
Tête enseignante GPT0,271
Écart entre enseignants0,246 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetForest ecology and management→Travaux en français237 207→