What evidence exists on the effects of competition on trees’ responses to climate change? A systematic map protocol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Projections of climate change impacts upon forests are likely inaccurate if based on the premise that only climate controls tree growth. Species interactions control growth, but most research has ignored these effects on how trees respond to climate change. Climate change is inducing natural species selection. However, this selection does not occur at the community level. Species selection starts with competition amongst individual trees. Competition is an individual-to-individual antagonistic interaction that, if severe, can constrain the presence of trees within a particular environment. Thus, climate change impacts individual tree selection within forests. Projecting climate change impacts on forests should account for the effects of climate on tree growth and the effects of competition. The inclusion of competition can increase the predictive power of simulations. Methods We propose a protocol to systematically map the available literature on climate change impacts on forests and produce a comprehensive list of methods applied to measure competition and model the competition effects on tree growth responses to climate change. This systematic map is not limited to any country or continent or specific tree species or forest type. The scope of the search focuses on time (when the evidence was published), location (geographic location of the evidence) and research design (competition indices and modelling methods). We will evaluate articles at three levels: title, abstract and full text. We will conduct a full-text assessment on all articles that pass a screening at the title and abstract stages. We will report the extracted evidence in a narrative synthesis to summarize the evidence’s trends and report knowledge gaps.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle