MétaCan
Menu
Retour à la cohorte
Enregistrement W6969483064 · doi:10.5683/sp3/ujvz9i

Data for: Modeled seed accumulation patterns explain spatial heterogeneity of shrub recruitment within the taiga-tundra ecotone

2024· dataset· en· W6969483064 sur OpenAlexaff

Notice bibliographique

RevueBorealis · 2024
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of VictoriaWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésTransectEcotoneSeedlingSeed dispersalShrubBiological dispersalAbundance (ecology)ExclosureSpatial heterogeneity

Résumé

récupéré en direct d'OpenAlex

These data were collected to investigate the fine-scale drivers of tundra shrub recruitment patterns with a specific focus on seed dispersal and ground cover suitability. To do this we established 15 m resolution grids of seed traps and paired seedling abundance measures at three Alnus alnobetula (green alder) patches near the Trail Valley Creek Research Station situated within the taiga-tundra ecotone of the Northwest Territories. For each observation (i.e., target point) we estimated the relative seed input expected based off a set of seed dispersal mechanisms hypothesized to be important at the site. These included overland hydrochory (OVERLAND), blowing snow transport (SNOW), dominant wind direction (WIND), and distance from source (DISTANCE). We also estimated topographic wetness index (TWI) for each target point. The model-averaged relationship between these mechanisms and seedling abundance was then used to predict seedling recruitment across the Siksik creek sub-catchment by estimating the seed input from each hypothesized mechanism across 2000 random points. To validate these predictions and the resulting map, we selected 51 points across the basin and estimated seedling abundance by measuring the distance to the third nearest seedling from each point. In addition to the grid and validation data, this dataset also includes information on the abundance of alder seedlings across topographic gradients at ten sites. Each site included transects running through alder patches, with sampling quadrats established above the patch, at the exterior and interior of both patch edges and at the patch centre. The patch transects were paired with transects in the adjacent alder-free tundra which included top, middle, and bottom sampling quadrats. At each of these quadrats we established two 1 m2 vegetation plots in which we estimated ground cover abundance and counted the number of alder seedlings, allowing for the investigation of plot-level associations. Five of these sites were then selected for intensive ground cover surveys to investigate the proportions of seedlings growing directly out of specific ground cover types. For detailed methodological information see Wallace et al. 2024. Modeled seed accumulation patterns explain spatial heterogeneity of shrub recruitment within the taiga-tundra ecotone. In review at JGR:Biogeosciences.

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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,226
Tête enseignante GPT0,397
Écart entre enseignants0,171 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBorealisTravaux en français237 207