MétaCan
Menu
Retour à la cohorte
Enregistrement W4280527838 · doi:10.1002/ecs2.4089

Seedlot Selection Tool and Climate‐Smart Restoration Tool: Web‐based tools for sourcing seed adapted to future climates

2022· article· en· W4280527838 sur OpenAlexafffund
John Bradley St. Clair, Bryce A. Richardson, Nikolas Stevenson‐Molnar, Glenn T. Howe, Andrew D. Bower, Vicky J. Erickson, Brendan Ward, Dominique Bachelet, Francis F. Kilkenny, Tongli Wang

Notice bibliographique

RevueEcosphere · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Forest ServiceU.S. Forest Service
Mots-clésClimate changeSelection (genetic algorithm)Environmental scienceEnvironmental resource managementEcologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The Seedlot Selection Tool and Climate‐Smart Restoration Tool are web‐based tools designed to match seedlots with planting sites assuming that seedlots are adapted to the past climates in which they evolved, primarily with respect to temperature and aridity. The tools map the climatic match of seedlots with the past or projected climates of planting sites. The challenge is that future climates are a moving target, which means that seedlots must be adapted to the near‐term climates as well as the climates of the mid‐ to late‐21st century. Because climate projections are uncertain, the prudent approach is to aim for the warmest climate that may be expected while ensuring that seedlots moved from warmer to colder locales are not moved so far that they risk cold damage. Uncertainty in climate projections may be mitigated by ensuring genetic diversity through mixing seed sources and having collections from many parents per seed source. Three examples illustrate how to effectively use the web tools: (1) choosing seedlots targeting different future climates for a mid‐elevation Douglas‐fir site in the Washington Cascades, (2) finding current and future seed sources for restoration of big sagebrush after fires in the Great Basin and Snake River Plain, and (3) planning to ensure that a Douglas‐fir seed inventory includes seedlots suitable for future climates in western Oregon and Washington.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0380,012

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcosphereMême sujetRangeland and Wildlife ManagementTravaux en français237 207