MétaCan
Menu
Retour à la cohorte
Enregistrement W3126278414 · doi:10.1139/cjfr-2020-0408

Local <i>was</i> best: sourcing tree seed for future climates

2021· article· en· W3126278414 sur OpenAlexaffvenueabout
Gregory A. O’Neill, Erika Gómez‐Pineda

Notice bibliographique

RevueCanadian Journal of Forest Research · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensMinistry of Forests
Organismes subventionnairesnon disponible
Mots-clésProcurementAgroforestryGeographyClimate changeEcosystem servicesEcosystemBusinessEnvironmental resource managementForestryEcologyBiologyEnvironmental scienceMarketing

Résumé

récupéré en direct d'OpenAlex

As climate change accelerates, foresters are looking to ever warmer climates to secure sources of climatically adapted tree seed with which to establish healthy and productive plantations. However, as seed procurement areas approach jurisdictional boundaries (states, provinces, nations), across which seed and seed transfer systems are not typically shared, innovative approaches are required to identify those plantation areas for which suitable domestic provenances will be lacking, as well as areas in neighbouring jurisdictions with matching warmer, future climates that could fill domestic seed supply gaps. We describe a straightforward, climate envelope approach to locate these areas, using British Columbia (BC), Canada, and the Pacific Northwest (PNW), USA, to illustrate the analysis. We find that 21% of BC’s ecosystems (seed zones) will be at moderate or high risk of lacking adapted domestic provenances for plantation establishment by 2040. Importantly, however, we find large areas in the PNW that should be able to fill most of BC’s domestic seed supply gaps. Spatial analyses of this type will inform seed suppliers, managers, and policymakers where alternative seed procurement arrangements are needed and underscore the operational and policy barriers to acquiring seed from warmer jurisdictions. More broadly, they also highlight the need for interjurisdictional cooperation in matters pertaining to resource management.

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)0,002
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 enseignants0,834
Score d'incertitude au seuil0,335

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,032
Tête enseignante GPT0,300
Écart entre enseignants0,269 · 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

Citations24
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207