Applicability of digital photography in monitoring changes of leaf inclination and foliage clumping with time
Notice bibliographique
Résumé
Valgusel on ülioluline roll puuvõrade arengus, mõjutades fotosünteesi intensiivsust, taimede kasvu ja ökosüsteemi primaarproduktsiooni. Puulehtede kaldenurgad ja klasteriseerumisindeks on kaks olulist parameetrit, mis määravad, mil määral valgus võra sisemusse pääseb. Esimene neist kirjeldab, milliste nurkade all lehed kasvavad, ja teine, kui tihedalt on lehed grupeerunud võrseteks, oksteks ja muudeks struktuurideks. Ehkki mõlemad parameetrid on taimkatte produktiivsuse ja kiirguslevi modelleerimiseks hädavajalikud, on neid andmete kogumise suure keerukuse tõttu mudelites sageli käsitletud konstantidena või hoopis eiratud. Käesolevas doktoritöös kasutati lehenurkade mõõtmiseks lihtsat digifotodel põhinevat meetodit. Pärast meetodi usaldusväärsuse tõestamist rakendati seda, et uurida erinevate puuliikide lehenurki kogu kasvuperioodi vältel. Selgus, et lehenurgad varieeruvad suurel määral sõltuvalt puuliigist, lehtede kõrgusest võras, kasvuperioodi etapist ja valguse kättesaadavusest. Erinevate klasteriseerumisindeksi mõõtmismeetodite võrdlus näitas, et digifotograafia on sobivaim viis andmete kogumiseks ka klasteriseerumise arvutamisel. Töö käigus koguti kokku kõige mahukam hetkel saadaolev lehenurkade andmestik ning tehti see laiemale kogukonnale avalikult kättesaadavaks. Ühtlasi näidati, et kliimamuutustega kaasnev kõrgem süsihappegaasi kontsentratsioon atmosfääris ei mõjuta lehenurkasid ega klasteriseerumisindeksit, tänu millele jäävad kogutud andmed rakendatavaks ka edaspidi.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».