Forests and floods: A new paradigm sheds light on age‐old controversies
Notice bibliographique
Résumé
The science of forests and floods is embroiled in conflict and is in urgent need of reevaluation in light of changing climates, insect epidemics, logging, and deforestation worldwide. Here we show how an inappropriate pairing of floods by meteorological input in analysis of covariance (ANCOVA) and analysis of variance (ANOVA), statistical tests used extensively for evaluating the effects of forest harvesting on floods smaller and larger than an average event, leads to incorrect estimates of changes in flood magnitude because neither the tests nor the pairing account for changes in flood frequency. We also illustrate how ANCOVA and ANOVA, originally designed for detecting changes in means, do not account for any forest harvesting induced change in variance and its critical effects on the frequency and magnitude of larger floods. The outcomes of numerous studies, which applied ANCOVA and ANOVA inappropriately, are based on logical fallacies and have contributed to an ever widening disparity between science, public perception, and often land‐management policies for decades. We demonstrate how only an approach that pairs floods by similar frequency, well established in other disciplines, can evaluate the effects of forest harvesting on the inextricably linked magnitude and frequency of floods. We call for a reevaluation of past studies and the century‐old, preconceived, and indefensible paradigm that shaped our scientific perception of the relation between forests, floods, and the biophysical environment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,072 |
| Communication savante | 0,010 | 0,030 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».