Modelling the distribution of a potential invasive tropical fern, <i>Cyclosorus afer </i>in Nigeria
Notice bibliographique
Résumé
Abstract In this study, we predicted the distribution of Cyclosorus afer in Nigeria using the Maximum Entropy (Maxent) technique. We used 95 occurrence points in one State to extrapolate its spread in other States in Nigeria. Three sites of sizes 500 × 500 m 2 separated by minimum distance of 1,000 m 2 were sampled in the study area. Seven bioclimatic and elevation variables were selected for the model. Maxent model was run using standard settings with 70% of the occurrence data as training and remaining 30% as test data. The result showed that Maxent performed better than random prediction due to the area under curve for receiver operating characteristics of training (0.990) and test data (0.987) closer to 1. The sensitivity of the Maxent model for occurrence data of C. afer was found to be 100%. The model predicted higher probability of occurrence covering an area of 26019.11 km 2 in 4 States of Nigeria. Jackknife evaluation of the model revealed that the environmental predictors of C. afer in Nigeria are annual mean temperature, mean temperature of driest quarter, precipitation seasonality, Precipitation of driest quarter and precipitation of coldest quarter. These variables all showed higher gain and contributions to the model.
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 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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 tête enseignante, 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 ».