MétaCan
Menu
Retour à la cohorte
Enregistrement W3048794446 · doi:10.7557/2.40.1.4636

A review of reindeer lichen (Cladonia subgenus Cladina) linear growth rates

2020· review· en· W3048794446 sur OpenAlexafffund
R. Troy McMullin, Sean B. Rapai

Notice bibliographique

RevueRangifer · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLichen and fungal ecology
Établissements canadiensUniversity of GuelphCanadian Museum of Nature
Organismes subventionnairesOntario Centres of Excellence
Mots-clésLichenCladoniaBiomass (ecology)BorealEnvironmental scienceEcologyTaigaTundraArcticBiologyPhysical geographyGeography

Résumé

récupéré en direct d'OpenAlex

Cladonia subgenus Cladina (the reindeer lichens) can be a dominant part of terrestrial ecosystems worldwide. They are particularly abundant in arctic-alpine and boreal regions, where they are a primary food source for woodland caribou/reindeer in winter months. Determining the growth rates of reindeer lichen is important for understanding and managing lichen regeneration following disturbances such as timber harvesting, mining, grazing, and wildfire. Regeneration and rehabilitation rates can be calculated with greater accuracy when growth rates are well understood. We provide a summary of 17 studies from 6 countries that determined the linear growth rates of three reindeer lichen groups, Cladonia arbuscula/mitis (mean = 4.7 mm/yr.), C. rangiferina/ C. stygia (mean = 5.1 mm/yr.), and C. stellaris (mean = 4.8 mm/yr.). We use linear growth rates as a proxy for over-all growth and biomass. Variables found to influence lichen growth rates are also discussed, which include light, moisture, temperature, air pollution, acid rain, precipitation, snow accumulation, substrate, age of individuals, and type of disturbance. These results can assist land managers in developing more accurate strategies for restoring lichens in disturbed areas.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,053
Tête enseignante GPT0,305
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRangiferMême sujetLichen and fungal ecologyTravaux en français237 207