MétaCan
Menu
Retour à la cohorte
Enregistrement W6967283428 · doi:10.5061/dryad.34tmpg4mq

Data for: Red foxes enhance long-term tree growth near the Arctic treeline

2022· dataset· en· W6967283428 sur OpenAlexaffabout

Notice bibliographique

RevueDRYAD · 2022
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of WinnipegUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSubarctic climateVegetation (pathology)ArcticEcosystemHabitatTaigaTundraTerrestrial ecosystemPrecipitation

Résumé

récupéré en direct d'OpenAlex

Recent climate warming is expected to increase tree growth and productivity, substantially altering ecological function and boundaries in northern ecosystems. Temperature and precipitation largely determine the range and growth of trees in any biome, yet variations in microsite conditions can also influence tree growth on a finer scale. By altering essential resources and habitat conditions, terrestrial organisms could modify Subarctic tree growth. Red foxes (Vulpes vulpes) are found in most terrestrial ecosystems and are considered ecosystem engineers by enriching soil nutrients and plant composition through denning. Added soil nutrients from prey remains, feces, and urine could benefit tree growth in Subarctic regions by alleviating soil nutrient limitations. We examined growth in white spruce (Picea glauca) trees growing on eight red fox dens and paired control sites near Churchill, Manitoba, Canada, at the Arctic treeline. Radial growth was 55% higher for trees on dens than on control sites between 1897 and 2017, despite similarities in tree ages, densities, and regional climate across all sites. By promoting tree growth near the treeline, red foxes may influence the position of the Arctic treeline. Although the impacts on tree growth largely depend on the spatial distribution of dens and predator activity in the boreal forest, predators can create distinct microhabitats across the landscape via ecosystem engineering processes, leading to increased vegetation productivity, persisting over many decades.

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 enseignants0,306
Score d'incertitude au seuil0,609

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
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0280,017

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 Opus0,048
Tête enseignante GPT0,330
Écart entre enseignants0,281 · 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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDRYADTravaux en français237 207