MétaCan
Menu
Retour à la cohorte
Enregistrement W6948574351 · doi:10.5061/dryad.3b02tb6

Data from: Climatic change only stimulated growth for trees under weak competition in central boreal forests

2019· dataset· en· W6948574351 sur OpenAlexaffabout

Notice bibliographique

RevueDRYAD · 2019
Typedataset
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensGovernment of ManitobaUniversity of British ColumbiaLakehead University
Organismes subventionnairesnon disponible
Mots-clésCompetition (biology)TaigaClimate changeBorealGlobal changeGlobal warmingTree (set theory)

Résumé

récupéré en direct d'OpenAlex

1. Global change ecologists have often used trees under weak competition (e.g., dominant/codominant trees) to examine relationships between climatic change and tree growth. Scaling up these results to a forest relies on the assumption that the climatic change-tree growth relationship is not affected by tree-level competition. 2. Using permanent sample plot data from the central Canadian boreal region where warming did not result in water deficit, we tested the above-mentioned assumption by looking at whether the relationship between climatic change and tree growth varied with tree-level competition, which was quantified using a modified Hegyi competition index. 3. We found that tree growth increased over time for trees under weak competition, but decreased for those under strong competition. The divergent temporal trends among trees under different levels of competition led to a non-significant change in growth for our study plots. Growth increased with regional warming, atmospheric [CO2] and water availability for trees under weak competition, but not for those under strong competition. 4. Synthesis. Our results suggest that upscaling the growth responses of dominant/codominant trees to climate change to a forest or a region can lead to biased estimates. Tree-level competition should be taken into account when expressing climatic change and tree growth relationships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte
Catégories consensuellesCommunication savante
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,017
Science ouverte0,0080,004
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,227
Tête enseignante GPT0,398
Écart entre enseignants0,172 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDRYADMême sujetResearch Data Management PracticesTravaux en français237 207