MétaCan
Menu
Retour à la cohorte
Enregistrement W1987379458 · doi:10.1071/wf10117

Climate–fire interactions during the Holocene: a test of the utility of charcoal morphotypes in a sediment core from the boreal region of north-western Ontario (Canada)

2012· article· en· W1987379458 sur OpenAlexaffabout
Melissa T. Moos, Brian F. Cumming

Notice bibliographique

RevueInternational Journal of Wildland Fire · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésHoloceneCharcoalFire regimeBorealSedimentFire historyPhysical geographyRange (aeronautics)Environmental scienceClimatologyClimate changeGeologyOceanographyGeographyEcosystemEcologyPaleontologyBiology

Résumé

récupéré en direct d'OpenAlex

Charcoal accumulation rates and fire-return intervals were calculated from total charcoal and charcoal morphotypes over the Holocene, from a well-dated sediment core from Lake 239 located in north-western Ontario, and compared with previously published independent climate reconstructions. Both total and morphotype analysis show a two-to-three fold increase in accumulation rates in the early-to-mid Holocene (range: 1 to 6 pieces cm–2 year–1) compared with the early and late Holocene (range: 0 to 2 pieces cm–2 year–1). Fire-return intervals and fire frequencies calculated during these periods, based on peak analysis, showed very different trends. The fire-return interval based on Type M charcoal, a morphotype associated with primary charcoal deposition, was high during the early and late Holocene, and low from ~7500 to 4000 cal year BP, with high inferred fire frequency during the warm mid-Holocene (~12.5 fires per 1000 years), compared with <5 fires per 1000 years over the rest of the Holocene, whereas fire-return interval and fire frequency based on total charcoal did not show patterns consistent with climate. These results suggest that a two- to three-fold increase in fire frequency would not be unexpected in the future under a predicted warmer climate.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,112
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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'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

Citations19
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Wildland FireMême sujetFire effects on ecosystemsTravaux en français237 207