MétaCan
Menu
Retour à la cohorte
Enregistrement W4220910864 · doi:10.1038/s41598-022-09194-w

Mapping the purple menace: spatiotemporal distribution of purple loosestrife (Lythrum salicaria) along roadsides in northern New York State

2022· article· en· W4220910864 sur OpenAlexaboutno aff
Jessica Rogers, Kamal Humagain, Adam J. Pearson

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesState University of New York
Mots-clésBiologyBotanyState (computer science)Distribution (mathematics)GeographyComputer scienceMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Purple loosestrife (Lythrum salicaria L.) is an invasive, herbaceous plant, frequently found in wetlands, creating monoculture stands, resulting in intensive management strategies in central New York, Ontario, and Quebec. The goal of this study was to identify the extent of infestations and to investigate factors that promote the spread of purple loosestrife. We attempted to answer several questions regarding level of infestation, connection to mowing, and influence of culverts. During flowering season in July and August, 2017-2019, we mapped infestations along 150 km (93 miles) of state highway between the Adirondack Park and the St. Lawrence River using the ESRI Collector app. The results of our preliminary analysis revealed significant increase in the number of plants (P < 0.001). In addition, a linear correlation analysis demonstrated a higher loosestrife density with an increase in plant species richness and a decrease in the distance to the closest infestation and wetland (P < 0.001 each). We found no statistical evidence that mowing promotes the spread of loosestrife. As expected, there were more individual infestations in highway ditches, but larger and denser infestations in wetlands (P = 0.003 in 2019). Culverts enable purple loosestrife to spread underneath highways and should be managed to prevent spread.

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)0,000
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 enseignants0,572
Score d'incertitude au seuil0,861

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,022
Tête enseignante GPT0,222
Écart entre enseignants0,199 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetWildlife-Road Interactions and ConservationTravaux en français237 207