Planning Ginkgo biloba future fruit production areas under climate change: Application of a combinatorial modeling approach
Notice bibliographique
Résumé
Ginkgo biloba forests are widely studied for their fruits’ high medicinal, edible, and economic values with an increasing global demand for its fruits supply. The impact of climate change on the habitat suitability of this species has been assessed in previous studies. This study was to address the climate change impact on both habitat suitability and fruit yield. We used fruit grain weight to represent fruit productivity and quality of Ginkgo fruit forests and related it to climate variables to develop a climate response function (Method I). Meanwhile, we also built a Maxent habitat suitability model and associated it with fruit grain weight (Method II). Results showed that Method I provided much higher prediction accuracy (R2 = 0.68) than Method II (R2 = 0.39). We combined Method I with the species habitat model to predict suitable production areas of Ginkgo fruit to achieve high fruit production within suitable habitats for the contemporary and future periods. We found that Ginkgo fruit grain weight was mainly affected by mean annual average temperature (MAT) and mean annual precipitation (MAP), while the degree-days below 0 ℃ (DD < 0) was the main climate factor limiting the distribution of Ginkgo fruit forests suitable habitat. The combined model predictions showed that the suitable production areas of Ginkgo fruit forests are expected to decrease and move northeastward in the future under the Representative Concentration Pathway (RCP) 4.5 and 8.5 scenarios. Our predictions can be used to maximize Ginkgo fruit quality production while minimizing the risk of low survival in the planning of Ginkgo fruit forest production areas.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».