MétaCan
Menu
Retour à la cohorte
Enregistrement W4290994237 · doi:10.5558/tfc2022-002

Enhancing forest resilience: Advances in Ontario’s wild tree seed transfer policy

2022· article· en· W4290994237 sur OpenAlexafffundvenueabout
Betty van Kerkhof, Ken A. Elliott, Pengxin Lu, Daniel W. McKenney, William C. Parker, John Pedlar, Ngaire Roubal

Notice bibliographique

RevueThe Forestry Chronicle · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceOntario Forest Research InstituteMinistry of Natural Resources and Forestry
Organismes subventionnairesCanadian Forest ServiceNatural Resources CanadaU.S. Forest ServiceOntario Ministry of Natural Resources and ForestryMinistry of Natural Resources
Mots-clésClimate changeEnvironmental resource managementProcurementPsychological resilienceResilience (materials science)Tree (set theory)Process (computing)ProductivityPolicy developmentNatural resource managementGeographyNatural resourceBusinessEnvironmental planningPolitical scienceEcologyComputer scienceEnvironmental scienceMarketingBiologyEconomicsPsychologyPublic administration

Résumé

récupéré en direct d'OpenAlex

Climate is a critical driver in shaping patterns of tree distribution and productivity in Canadian forests. Canada’s climate is changing and, as a result, tree populations may become maladapted to the climate at their current growing locations. In 2020, Ontario updated its tree seed transfer policy to respond to the evolving natural, operational, scientific, and policy environments, including a changing climate. Collaboration among federal and provincial science, operations, and policy staff was essential to update the policy, which involved a custom climate similarity analysis, a related assessment of critical seed transfer distances, various engagement efforts to assess end-user receptivity, and the development of an online interactive tool to allow users to explore seed transfer options under climate change. Here we describe several factors considered during the policy update, major steps in the update process, and highlights of the outcome. The intent of this effort is to support other jurisdictions considering similar changes and to emphasize the need for a changing culture in seed procurement and management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,638
Score d'incertitude au seuil0,953

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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 tête enseignante, 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

Citations11
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207