Data from "Every little helps: the functional role of individuals in assembling any plant community, from the richest to monospecific ones"
Notice bibliographique
Résumé
Spectral and functional data used for massive phenotyping using Vis-NIR spectrometry. Visible and Near Infrared absorbance spectra were collected in July 2020 using the LabSpec 4 Standard-Res Lab Analyzer (Malvern Panalytical) from 1-4 sets of ten Pinus sylvestris needles for 170 trees in a forest stand located at the tree-line of the Guadarrama National Park (1900 m asl; Lat. 40.81, Long. -3.95). Average absorbance spectrum of each needle set is included as a row in the Spectral Data sheet. For this sample set, we used a constant spectral resolution value of 1 nm, which produced 2151 spectral points between 350 and 2500 nm. Needle sets were functionally characterized through three functional traits (LT – Leaf Thickness, SLA – Specific Leaf Area and LDMC – Leaf Dry Matter Content) which were measured according to standardized protocols (Cornelissen et al., 2003). Specifically, for each set, we weighed ten fresh well-developed needles using a microbalance (Mettler Toledo MX5, Columbus, OH; weight uncertainty ±1 μg). Projected surface area of ten needles was estimated with a digital scanner (Epson Perfection 4870) and WinFolia software (Régent Instruments, QC, Canada). The needles were then oven-dried at 60°C for 72 hours, and weighed to obtain dry mass. We also estimated leaf thickness using a dial thickness gauge (Mitutoyo Co., Aurora, IL, USA).<br>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,442 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».