MétaCan
Menu
Retour à la cohorte
Enregistrement W1988614095 · doi:10.1046/j.1529-8817.2000.00049.x

TRACKING LONG‐TERM CHANGES IN CLIMATE USING ALGAL INDICATORS IN LAKE SEDIMENTS

2000· article· en· W1988614095 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Phycology · 2000
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésClimate changeProxy (statistics)Environmental sciencePhysical geographyEcologyPaleoclimatologyHindcastArcticClimatologyBiologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Interest in climate change research has taken on new relevance with the realization that human activities, such as the accelerated release of the so‐called greenhouse gases, may be altering the thermal properties of our atmosphere. Important social, economic, and scientific questions include the following. Is climate changing? If so, can these changes be related to human activities? Are episodes of extreme weather, such as droughts or hurricanes, increasing in frequency? Long‐term meteorological data, on broad spatial and temporal scales, are needed to answer these questions. Unfortunately, such data were never gathered; therefore, indirect proxy methods must be used to infer past climatic trends. A relatively untapped source of paleoclimate data is based on hindcasting past climatic trends using the environmental optima and tolerances of algae (especially diatoms) preserved in lake sediment profiles. Paleophycologists have used two approaches. Although still controversial, attempts have been made to directly infer climatic variables, such as temperature, from past algal assemblages. The main assumption with these types of analyses is that species composition is either directly related to temperature or that algal assemblages are related to some variable linearly related to temperature. The second more commonly used approach is to infer a limnological variable (e.g. water chemistry, lake ice cover, etc.) that is related to climate. Although paleolimnological approaches are broadly similar across climatic regions, the environmental gradients that paleophycologists track can be very different. For example, climatic inferences in polar regions have focused on past lake ice conditions, whereas in lakes near arctic treeline ecotones, paleophycologists have developed methods to infer past lakewater‐dissolved organic carbon, because this variable has been linked to the density of coniferous trees in a drainage basin. In closed‐basin lakes in arid and semiarid regions, past lakewater salinity, which can be robustly reconstructed from fossil algal assemblages, is closely tied to the balance of evaporation and precipitation (i.e. drought frequency). Some recent examples of paleophycolgical work include the documentation of striking environmental changes in high arctic environments in the 19th century believed to be related to climate warming. Meanwhile, diatom‐based reconstructions of salinity (e.g. the Great Plains of North America and Africa) have revealed prolonged periods of droughts over the last few millennia that have greatly exceeded those recorded during recent times. Marked climatic variability that is outside the range captured by the instrumental record has a strong bearing on sustainability of human societies. Only with a long‐term perspective can we understand natural climatic variability and the potential influences of human activities on climate and thereby increase our ability to understand future 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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,040
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,000

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 Opus0,028
Tête enseignante GPT0,296
Écart entre enseignants0,268 · 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