Potential distribution and habitat suitability of <i>Picea crassifolia</i> with climate change scenarios
Notice bibliographique
Résumé
The Qinghai–Tibet Plateau in China is a region strongly impacted by climate change, yet its effects on the keystone endemic forest species Picea crassifolia Kom. are unknown. Understanding the changes in potential distribution and habitat suitability of P. crassifolia forest with climate change will contribute to water conservation, forest management, and ecological protection in the upper reaches of the Yellow River. A total of 129 records of species distribution data and 19 environmental variables were chosen for modeling. The MaxEnt (maximum entropy) model was used to analyze the main environmental factors affecting the potential distribution of P. crassifolia in two periods (2050s and 2070s) and four representative emission pathways (RCP 2.6, RCP 4.5, RCP 6.0, and RCP 8.5). The main results are follows: (i) the most important environmental variables affecting distribution of P. crassifolia and percentage variance explained were altitude (41.85%), precipitation of driest month (19.76%), slope (12.35%), annual precipitation (6.56%), precipitation of wettest month (5.73%), and precipitation of warmest quarter (5.12%); (ii) habitat suitability of P. crassifolia shifted to the northwest and into high-altitude areas under climate change scenarios, but its core distribution areas were concentrated in northeastern Qinghai–Tibet Plateau, Qilian Mountains, southern Ningxia, and Helan Mountains; and (iii) the total area of potential suitable habitat of P. crassifolia will change significantly in the future, and change of habitat area of not suitable, low, moderate, and high suitability exceed 60%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».