Data on vegetation across forest edges from the <scp>FERN</scp> (<scp>F</scp>orest <scp>E</scp>dge <scp>R</scp>esearch <scp>N</scp>etwork)
Notice bibliographique
Résumé
Many studies have focused on vegetation across forest edges to study impacts of edges created by human activities on forest structure and composition, or patterns of vegetation at inherent natural edges. Our objective was to create a database of plant-related variables across different types of edges from various studies (mainly from across Canada, but also in Brazil and Belize) to facilitate edge research. We compiled data on vegetation along more than 300 transects perpendicular to forest edges adjacent to clear-cuts, burned areas, bogs, lakes, barrens, insect disturbances, and riparian areas from 24 studies conducted over the past three decades. Data were compiled for more than 400 plant species and forest structure variables (e.g., trees, logs, canopy cover). All data were collected with a similar sampling design of quadrats along transects perpendicular to forest edges, but with varying numbers of transects and quadrats, and distances from the edge. The purpose for most of the studies was either to determine the distance of edge influence (edge width) or to explore the pattern of vegetation along the edge to interior gradient. We provide data tables for the cover of plant species and functional groups, the species and size of live and dead trees, the density of saplings, maximum height of functional groups and shrub species, and the cover of functional groups at different heights (vertical distribution of vegetation). The Forest Edge Research Network (FERN) database provides extensive data on many variables that can be used for further study including meta-analyses and can assist in answering questions important to conservation efforts (e.g., how is distance of edge influence from created edges affected by different factors?). We plan to expand this database with subsequent studies from the authors and we invite others to contribute to make this a more global database. The data are released under a CC0 license. When using these data, we ask that you cite this data paper and any relevant publications listed in our metadata file. We also encourage you to contact the first author if you are planning to use or contribute to this database.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».