MétaCan
Menu
Retour à la cohorte
Enregistrement W6963713756 · doi:10.21966/ez7j-cy15

Sea wrack wet to dry biomass calibrations for macroalgae of the Central Coast of British Columbia - 2018

2016· dataset· en· W6963713756 sur OpenAlexaffabout

Notice bibliographique

RevueHakai Institute · 2016
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)ZosteraAquatic plantDry weightMacrophyteZostera marinaQuadrat

Résumé

récupéré en direct d'OpenAlex

This dataset contains species-specific standardized correction factors for wet-dry calibrations for several macroalgae species of the Central Coast of British Columbia. Macroalgae and macrophytes form the base of productive ecosystems in the Northeastern Pacific Ocean. Often, ecological research on macrophytes, macroalgae, and sea wrack requires the conversion of biomass from wet to dry to create consistency across investigations. This process, however, can be impractical, time consuming, and labour intensive. Samples of 12 common Northeastern Pacific Ocean seaweed species (Alaria marginata, Codium fragile, Egregia menziesii, Fucus distichus, Macrocystis pyrifera, Mazzaella spp., Nereocystis luetkeana, Pterygophora californica, Pyropia spp., Ulva spp., and the seagrasses Zostera marina and Phyllospadix spp.) were collected randomly and opportunistically in two states: wet and fresh, or aged and partially desiccated. Samples were weighed, dried in an oven, and weighed again in a laboratory as quickly as possible after collection. Dried samples were disposed of after dry measurements were taken. Detailed methods are available in the in the linked folder. We found that all species displayed a strong (R2 > 0.5) and predictable (p < 0.05) linear relationship between wet and dried conditions. Half of the aged samples did not have a significant relationship between partially desiccated and dried conditions. These results offer a reliable set of species-specific standardized correction factors for wet samples that can be used in future macrophyte, macroalgae, and sea wrack research, reducing the need to conduct extensive wet-dry calibrations in future studies. Contributors: Sara Wickham – University of Victoria, Brian Starzomski – University of Victoria, John Reynolds – Simon Fraser University, Chris Darimont – University of Victoria

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,270

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,006

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 GPT0,255
Écart entre enseignants0,236 · 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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHakai InstituteTravaux en français237 207