MétaCan
Menu
Retour à la cohorte
Enregistrement W3049554090 · doi:10.3390/f11080891

Predicting Suitable Habitats of Camptotheca acuminata Considering Both Climatic and Soil Variables

2020· article· en· W3049554090 sur OpenAlexaff
Lei Feng, Jiejie Sun, Yuanbao Shi, Guibin Wang, Tongli Wang

Notice bibliographique

RevueForests · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Key Research and Development Program of ChinaGovernment of Jiangsu Province
Mots-clésHabitatEnvironmental scienceClimate changeEcologyAgroforestryBiology

Résumé

récupéré en direct d'OpenAlex

Camptotheca acuminata is considered a natural medicinal plant with antitumor activity. The assessment of climate change impact on its suitable habitats is important for cultivation and conservation. In this study, we applied a novel approach to build ecological niche models with both climate and soil variables while the confounding effects between the variables in the two categories were avoided. We found that the degree-days below zero and mean annual precipitation were the most important climatic factors, while the basic soil saturation, soil gravel volume percentage, and clay content were the main soil factors, determining the suitable habitats of C. acuminata. We found that suitable habitats of this species would moderately increase in future climates under both the RCP4.5 and RCP8.5 climate change scenarios for the 2020s, 2050s, and 2080s. However, substantial shifts among levels of habitat suitability were projected. The dual high-suitable habitats would expand, which would be favorable for commercial plantations. Our findings contribute to a better understanding of the impact of climate change on this species and provide a scientific basis for the cultivation and conservation purposes.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,029
Tête enseignante GPT0,238
Écart entre enseignants0,209 · 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

Citations47
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207