MétaCan
Menu
Retour à la cohorte
Enregistrement W1967715794 · doi:10.1111/j.1365-2486.2011.02577.x

Radiative forcing of natural forest disturbances

2011· article· en· W1967715794 sur OpenAlexaff
T. L. O’Halloran, B. E. Law, Michael L. Goulden, Zhuosen Wang, Jordan G. Barr, Crystal Schaaf, Mathew Brown, José D. Fuentes, Mathias Göckede, T. Andrew Black, Vic Engel

Notice bibliographique

RevueGlobal Change Biology · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRadiative forcingEnvironmental scienceAlbedo (alchemy)Forcing (mathematics)ClimatologyClimate changeAtmospheric sciencesSnowGeographyEcologyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Forest disturbances are major sources of carbon dioxide to the atmosphere, and therefore impact global climate. Biogeophysical attributes, such as surface albedo (reflectivity), further control the climate‐regulating properties of forests. Using both tower‐based and remotely sensed data sets, we show that natural disturbances from wildfire, beetle outbreaks, and hurricane wind throw can significantly alter surface albedo, and the associated radiative forcing either offsets or enhances the CO 2 forcing caused by reducing ecosystem carbon sequestration over multiple years. In the examined cases, the radiative forcing from albedo change is on the same order of magnitude as the CO 2 forcing. The net radiative forcing resulting from these two factors leads to a local heating effect in a hurricane‐damaged mangrove forest in the subtropics, and a cooling effect following wildfire and mountain pine beetle attack in boreal forests with winter snow. Although natural forest disturbances currently represent less than half of gross forest cover loss, that area will probably increase in the future under climate change, making it imperative to represent these processes accurately in global climate models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,242
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations170
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetFire effects on ecosystemsTravaux en français237 207