MétaCan
Menu
← Retour à la cohorte
Enregistrement W6894235500 · doi:10.5281/zenodo.7757753

Data from: Interplay between rainfall and hillslope hydrology determines drought resistance of tropical vegetation

2023· other· en· W6894235500 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2023
Typeother
Langueen
Domaine
Thématique
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésVegetation (pathology)Resistance (ecology)Hydrology (agriculture)EcosystemEcohydrologySeasonality

Résumé

récupéré en direct d'OpenAlex

Droughts are predicted to increase in both frequency and intensity by the end of the 21st century, but ecosystem response is not expected to be uniform. At the landscape scale, ecosystem response to drought is highly heterogeneous. Here we assess the importance of the hill-to-valley hydrologic gradient in shaping vegetation hydraulic properties related to drought resistance for three locations across a rainfall seasonality gradient in South America. For this, we use hydraulic traits related to xylem resistance to embolism and compare the functional composition and diversity of tree communities. We show that the hydrologic gradient systematically selects for community assemblages that are more vulnerable to embolism in valleys, regardless of rainfall. Under the same rainfall regime, diversity in resistance to embolism is higher on hills than valleys, suggesting that strategies to cope with drought are more important on hills. With increasing seasonality, diversity in embolism resistance increases on hills and decreases in valleys. Our results show that differential groundwater access from hilltops to valleys select for distinctive hydraulic properties, potentially explaining species turnover along topographical gradients. Incorporating this relationship might improve the representation of vegetation in climate models and the prediction of how different communities will respond to extreme droughts.

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)0,003
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: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0200,003

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 Opus0,064
Tête enseignante GPT0,363
Écart entre enseignants0,299 · 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
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→