MétaCan
Menu
← Retour à la cohorte
Enregistrement W4398661333 · doi:10.7910/dvn/gwuike

Replication Data for: Effect of temporal aggregation and phenology on LUE model variables and productivity in two deciduous forests.

2020· dataset· en· W4398661333 sur OpenAlexaff
Saulo Castro, Arturo Sánchez‐Azofeifa

Notice bibliographique

RevueHarvard Dataverse · 2020
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDeciduousReplication (statistics)PhenologyProductivityForestryEconometricsEcologyGeographyStatisticsBiologyMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

The integration of optical and flux data requires temporal aggregation of data. In this study, we explore the effect of temporal integration through an in-depth assessment exploring its impact and its ecological relevance. Optical remote sensing and eddy covariance flux data collected over four years from a Tropical Dry Forest (TDF) and a Deciduous Boreal Forest (DBF) were used in the analysis. Light use efficiency model variables (PAR, fAPARgreen, APARgreen, and LUE) were derived, temporally aggregated over the diurnal period at 1hr increasing intervals and compared to gross primary productivity, derived from flux measurements. Temporal aggregation analysis was performed at the seasonal scale as well as divided by phenological stage (greenup, maturity, and senescence). Seasonal aggregation analysis showed little effect on fAPARgreen derived from TDF and DBF. Aggregation of PAR, APARgreen and LUEgreen variables from TDF and DBF showed significant changes in correlation to GPP. Aggregation analysis by phenology produced contrasting results to seasonal aggregations. This was especially the case for TDF fAPAR during greenup, where aggregation produced significant changes in correlation to GPP (Δr2 ≈ 0.34-0.39, p < 0.05). A relative importance analysis provided and systematic analysis of seasonal and phenological contributions of LUE model variables to ecosystem productivity. Previous knowledge of seasonal and phenological ecosystem functions was combined with relative importance metrics to put ecological context on our results. Findings confirm that physiological and structural contributions of the LUE model change between vegetation, environmental condition and phenology.

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)0,006
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,019
Tête enseignante GPT0,270
Écart entre enseignants0,251 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHarvard Dataverse→Même sujetForest ecology and management→Travaux en français237 207→