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).
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,008 |
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 ».