MétaCan
Menu
← Retour à la cohorte
Enregistrement W6948610077 · doi:10.5061/dryad.xwdbrv1nw

Data from: High sensitivity of herbaceous legumes to freezing: insights from a multi-year snow removal study

2024· dataset· en· W6948610077 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2024
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésHerbaceous plantTemperate climateBiomass (ecology)SnowTrifolium repensLegumeOverwinteringPerennial plantVegetation (pathology)Forage

Résumé

récupéré en direct d'OpenAlex

Reductions in snow cover resulting from winter climate change are anticipated to increase the intensity of freezing exposure for overwintering herbaceous plants in many northern temperate regions. We examined whether herbaceous legumes, a key functional group responsible for increasing soil nitrogen inputs, are more sensitive to freezing than non-leguminous plants in northern temperate plant communities. We conducted snow removal experiments for three years in three herbaceous plant communities (a fallow area, an old field and a restored prairie) and recorded plant cover and biomass responses. For all three years, there were substantial decreases in legume biomass in response to snow removal for the fallow area (reductions of 70%, 90% and 50%; primarily Melilotus albus and M. officinalis) and old field (reductions of 50%, 60% and 50%; primarily Trifolium pratense and Lotus corniculatus), whereas there were no consistent significant reductions in biomass across years for the other herbaceous functional groups (graminoids and non-leguminous forbs). In contrast, in the restored prairie, dominated by the native legume Desmodium canadense, there were no consistent snow removal effects on the biomass of legumes or any other functional groups across years, although snow removal did reduce the percent cover of this species early in the growing season. Our results suggest that increased soil freezing via reductions in snow cover can have a stronger negative effect on some legumes than on other functional groups in northern temperate herbaceous plant communities, potentially reducing soil nitrogen inputs.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
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 Opus0,104
Tête enseignante GPT0,360
Écart entre enseignants0,256 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→