MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400746652 · doi:10.1007/s12080-024-00588-2

Rainfall variability and deciduous-evergreen coexistence in tropical forests

2024· article· en· W4400746652 sur OpenAlexaff
Andrew J. Muehleisen, Naomi B. Schwartz, Simon Maccracken Stump, A. Carla Staver

Notice bibliographique

RevueTheoretical Ecology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEvergreenDeciduousEvergreen forestClimatologyEcologyTropicsGeographySubtropicsTropical forestEnvironmental scienceAtmospheric sciencesGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract In tropical forests, deciduous and evergreen leaf habits represent contrasting tree adaptations to precipitation seasonality. Both rainfall seasonality and interannual variation in rainfall are determinants of forest deciduousness, but their relative influence is not well understood. In this study, we evaluate the extent of deciduous-evergreen coexistence in tropical forests and develop a simple model of competition for water between leaf habits. Using this model, we formalize two mechanisms representing rainfall variability across time scales that may explain their stable coexistence: the temporal storage effect via interannual variability in rainfall vs. rainfall partitioning via evergreen access to dry-season rainfall. In our model, both mechanisms resulted in coexistence, but coexistence was more robust via resource partitioning. Empirically, remotely sensed deciduousness increased with precipitation seasonality, but effects of interannual rainfall variability on deciduousness were minor. We hypothesize that dry-season rainfall may prove a stronger influence on coexistence between leaf habits, and that changes in rainfall seasonality will have a greater impact on forest deciduousness than changes in the interannual variability of rainfall.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,217
Écart entre enseignants0,212 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueTheoretical Ecology→Même sujetPlant Water Relations and Carbon Dynamics→Travaux en français237 207→