Contribution of the Order Ericales to Improving Paleoclimate Reconstructions
Notice bibliographique
Résumé
Paleobotanists have long built leaf climate models based on site mean of leaf physiognomic characteristics of woody dicotyledons species (WDS) for estimating past climate. To explore the potential of the order Ericales in estimating paleoclimate, we developed two linear models for each climatic factor. One is based on WDS, and the other is based on both WDS and leaf physiognomic characters of the order Ericales (WDS-E). We found that, compared with WDS models, WDS-E models improved greatly in mean annual precipitation (MAP), growing season precipitation (GSP) and mean annual range in temperature (MART). When the minimum species number of the order Ericales is three per site, the WDS-E models improved the r2 from 0.64 to 0.78 for MART, from 0.23 to 0.61 for ln(MAP), and from 0.37 to 0.64 for ln(GSP) compared with the WDS models. For mean annual temperature (MAT), the WDS-E model (r2 = 0.86) also exhibited a moderate improvement in precision over the WDS model (r2 = 0.82). This study demonstrates that other patterns, such as those of the order Ericales, can contribute additional information towards building more precise paleoclimate models.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».