MétaCan
Menu
Retour à la cohorte
Enregistrement W3112649340 · doi:10.1139/cjfr-2020-0054

Climate and size of previous cone crops contribute to large-scale synchronous cone production in balsam fir

2020· article· en· W3112649340 sur OpenAlexaffvenue
Mathieu Bouchard, Clémentine Pernot

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensMinistère des Ressources naturelles et des Forêts
Organismes subventionnairesnon disponible
Mots-clésMast (botany)Abies balsameaBalsamCone (formal languages)BiologyAbundance (ecology)Physical geographyBotanyEcologyGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

Mast year occurrence in trees is often synchronized across large regions. In this study, we used dendrochronological methods based on cone scar characteristics on tree branches in order to reconstruct male and female cone production in balsam fir (Abies balsamea (L.) Mill.) during the period 1988–2018. Results indicate that mast years generally occur every second year and can be synchronized across distances >1000 km. The main predictors of current-year cone abundance were cone abundance during the two previous years, which can be considered a proxy for resource availability for cone bud development during the current year, together with relatively warm temperature during cone bud development. Presence of aborted male cones was positively correlated with the occurrence of relatively cold episodes during cone bud development. This finding suggests that the influence of weather on cone crop abundance is at least partly mediated by growth cessation in the developing cone buds. We also suggest that a change in weather patterns before and after the 2005–2010 period is responsible for a switch in mast years from even to uneven calendar years around that time.

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 enseignants0,981
Score d'incertitude au seuil0,038

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
Bibliométrie0,0010,000
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 Opus0,028
Tête enseignante GPT0,300
Écart entre enseignants0,272 · 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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetAnimal Ecology and Behavior StudiesTravaux en français237 207