MétaCan
Menu
Retour à la cohorte
Enregistrement W4386106426 · doi:10.4236/ajcc.2023.123017

Are Polyploid Species Less Vulnerable to Climate Change? A Simulation Study in North American <i>Crataegus</i>

2023· article· en· W4386106426 sur OpenAlexafffund
Somayeh Naghiloo, Jana C. Vamosi

Notice bibliographique

RevueAmerican Journal of Climate Change · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésClimate changePolyploidRange (aeronautics)CrataegusBiologyEcologyPloidyTraitSpecies distributionGenetics

Résumé

récupéré en direct d'OpenAlex

Understanding the mechanisms underlying plant responses to climate change is an important step toward developing effective mitigation strategies. Polyploidy is an important evolutionary trait that can influence the capacity of plants to adapt to climate change. The environmental flexibility of polyploids suggests their resiliency to climate change, however, such hypotheses have not yet received empirical evidence. To understand how ploidy level may influence response to climate change, we modeled the current and future distribution of 54 Crataegus species under moderate to severe environments and compared the range change between diploids and polyploids. The majority of studied species are predicted to experience considerable range expansion. We found a negative interaction between ploidy and ecoregions in determining the response to climate change. In extreme environments, polyploids are projected to experience a higher range expansion than diploids with climate change, while the opposite is true for moderate environments. The range expansion of Crataegus species can be attributed to their tolerance for a wide range of environmental conditions. Despite the higher tolerance of polyploids to extreme environments, they do not necessarily outperform diploids in moderate environments, which can be attributed to the varying nature of species interactions along a stress gradient.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,232

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,084
Tête enseignante GPT0,324
Écart entre enseignants0,240 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Climate ChangeMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207