MétaCan
Menu
Retour à la cohorte
Enregistrement W4372352917 · doi:10.18280/ijdne.180208

Diversity of Vegetation Types and Structure Based on the Thickness of Peat in Sebangau National Park Central Kalimantan

2023· article· en· W4372352917 sur OpenAlexvenueno aff
Sosilawaty, Nisfiatul Hidayat, Johanna Maria Rotinsulu, Wahyuni Barimbing

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNational parkPeatVegetation (pathology)GeographyDiversity (politics)ForestryEcologyEnvironmental scienceArchaeologyBiology

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to examine the composition, structure, and species diversity of vegetation in Sebangau National Park based on the thickness of peat.The findings revealed that the plant species composition varied according to the peat thickness at different stages of growth.Syzigium sp.1 and Elaeocarpus parvifolius were the dominant species at the seedling level, while are Syzygiumsp.1 and Tetratomia tetradra dominated at the sapling level.Cratoxylum arborescens and Elaeocarpus parvifolius dominated at the pole level, and Cratoxylum arborescens and Diospyros bantamensis at the tree level.The species diversity of plants was high across all levels of growth, with a high category index value (3.14-3.86)for all levels except seedlings on shallow and very deep peat (medium category with an index value of 2.76 and 2.86, respectively).The species evenness index was also high (0.73-0.93) for all growth levels across all peat thicknesses except saplings on shallow peat, which had a medium category index value of 0.54.The species richness index was high (5.66-11.42)for all growth levels based on any peat thickness.The horizontal stand structure of vegetation across all peat thicknesses followed an inverted J pattern.The same index for all growth rates at all peat thicknesses ranged from low to high category with a consistent index value of approximately 44.94-85.00%.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,014
Tête enseignante GPT0,221
Écart entre enseignants0,207 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetForest Ecology and ConservationTravaux en français237 207