TiP-Leaf: A dataset of leaf traits across vegetation types on the Tibetan Plateau
Notice bibliographique
Résumé
Abstract. Functional trait databases are emerging as a crucial tool for a wide range of ecological studies including the next-generation vegetation modeling across the world. However, few large-scale studies have been reported on plant traits in the Tibetan Plateau (TP), the cradle of East Asian flora and fauna with specific alpine ecosystems, no report on plant trait databases could be found. Here an extensive dataset of 11 leaf functional traits (TiP-Leaf) for mainly herbs and shrubs and a few trees on the TP was compiled through field surveys. The TiP-Leaf dataset, compiled from 336 sites distributed mainly in the plateau surface and the northern margin of the TP across alpine and temperate vegetation regions and sampled from 2018 to 2021, contains 1692 morphological trait measurements of leaf thickness, leaf fresh weight, leaf dry weight, leaf dry-matter content, leaf water content, leaf area, specific leaf area and leaf mass per area and 1645 chemical element trait measurements of leaf carbon, nitrogen and phosphorus contents. Thus, 468 species belonging to 184 genera and 51 families were obtained and measured. In addition to leaf trait measurements, geographic coordinates, bioclimate variables, disturbance intensity and vegetation types of each site were also recorded. The dataset could provide solid data support for effectively quantifying the modern ecological features of alpine ecosystems, further evaluating the response of alpine ecosystem to climate change and human disturbances and improving the next-generation vegetation model. It could be a great contribution to the regional and global plant trait databases. The dataset is available from the National Tibetan Plateau Data Center (TPDC; Jin et al., 2022; https://doi.org/10.11888/Terre.tpdc.272516).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».