MétaCan
Menu
Retour à la cohorte
Enregistrement W4390607706 · doi:10.1093/biosci/biad116

The biological basis for using optical signals to track evergreen needleleaf photosynthesis

2024· article· en· W4390607706 sur OpenAlexaff
Zoe Pierrat, Troy S. Magney, Rui Cheng, Andrew J. Maguire, Christopher Y. S. Wong, Magali F. Nehemy, Mukund Palat Rao, Sara E. Nelson, Anneka F Williams, Jeremy A Hoyne Grosvenor, Kenneth R. Smith, Jaret S. Reblin, J. Stutz, Andrew D. Richardson, Barry A. Logan, D. R. Bowling

Notice bibliographique

RevueBioScience · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensTrent University
Organismes subventionnairesCalifornia Institute of TechnologyJet Propulsion LaboratoryNational Aeronautics and Space AdministrationNational Science Foundation
Mots-clésEvergreenPhotosynthesisCarbon cycleEnvironmental scienceEvergreen forestBiological systemBiologyEcologyComputer scienceRemote sensingBotanyEcosystemGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Evergreen needleleaf forests (ENFs) play a sizable role in the global carbon cycle, but the biological and physical controls on ENF carbon cycle feedback loops are poorly understood and difficult to measure. To address this challenge, a growing appreciation for the stress physiology of photosynthesis has inspired emerging techniques designed to detect ENF photosynthetic activity with optical signals. This Overview summarizes how fundamental plant biological and biophysical processes control the fate of photons from leaf to globe, ultimately enabling remote estimates of ENF photosynthesis. We demonstrate this using data across four ENF sites spanning a broad range of environmental conditions and link leaf- and stand-scale observations of photosynthesis (i.e., needle biochemistry and flux towers) with tower- and satellite-based remote sensing. The multidisciplinary nature of this work can serve as a model for the coordination and integration of observations made at multiple scales.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,037
Tête enseignante GPT0,271
Écart entre enseignants0,234 · 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

Citations25
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioScienceMême sujetRemote Sensing in AgricultureTravaux en français237 207