MétaCan
Menu
Retour à la cohorte
Enregistrement W2019453492 · doi:10.1016/j.yqres.2006.02.001

Heightened sensitivity of a poorly buffered high arctic lake to late-Holocene climatic change

2006· article· en· W2019453492 sur OpenAlexaffabout
Neal Michelutti, Marianne S. V. Douglas, Alexander P. Wolfe, John P. Smol

Notice bibliographique

RevueQuaternary Research · 2006
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensUniversity of AlbertaQueen's UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDiatomPaleolimnologyHoloceneGeologyArcticBiogenic silicaOceanographyAlkalinityPhysical geographyClimate changeStructural basinLimnologySedimentary rockHolocene climatic optimumPaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract A diatom-based paleolimnological investigation was conducted on late Holocene sediments from a poorly buffered lake, informally named “Rock Basin Lake”, on Ellesmere Island, Arctic Canada. The fossil diatom record is unlike any other obtained thus far from high arctic regions, exhibiting dynamic assemblage shifts over the entire ∼3300 yr sedimentary record. Multiple proxies (i.e., diatoms, pH reconstructions, biogenic silica,C/Nratios, total organic carbon) appear to sensitively track rapid limnological changes, which are associated with distinct climate intervals as inferred from other regional proxy records. The highly responsive nature of the diatom assemblages in Rock Basin Lake, relative to those recorded from nearby alkaline sites, appears to be related to this lake's limited ability to buffer changes in pH. The dynamic species responses suggest that the diatoms in Rock Basin Lake are faithfully tracking climatic changes, and that low-alkalinity lakes may provide the most sensitive diatom-based paleolimnological records from high arctic regions.

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 enseignants0,100
Score d'incertitude au seuil0,199

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,077
Tête enseignante GPT0,312
Écart entre enseignants0,235 · 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

Citations40
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuaternary ResearchMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207