MétaCan
Menu
Retour à la cohorte
Enregistrement W2029409370 · doi:10.4296/cwrj3404427

Can Analysis of Historic Lagg Forms Be of Use in the Restoration of Highly Altered Raised Bogs? Examples from Burns Bog, British Columbia

2009· article· en· W2029409370 sur OpenAlexvenueaboutno aff
Sarah A. Howie, Paul H. Whitfield, Richard J. Hebda, Roslyn Dakin, John K. Jeglum

Notice bibliographique

RevueCanadian Water Resources Journal / Revue canadienne des ressources hydriques · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBogPeatWetlandVegetation (pathology)Natural (archaeology)Environmental scienceEcologyEcosystemHydrology (agriculture)GeologyGeographyBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Natural bogs are generally surrounded by a zone of hydrologic, hydrochemical, and ecological gradients called a lagg. In laggs, large changes over short lateral distances result in distinctive ecological gradients and vegetation patterns. Part of the restoration planning challenge for Burns Bog involves recreating such water and chemistry gradients to establish and maintain conditions for appropriate plant and animal communities that reflect natural transitions from nutrient-poor bog to adjacent mineral-soil-influenced wetlands. We present a conceptual model inferred from historic air photos and vegetation maps from the margins of Burns Bog and theorize how particular vegetation represents the hydrological and hydrochemical gradients of the past that existed in transition to surrounding landscapes. Understanding lagg ecosystems and how they function is important not only to restoring the ecological integrity of Burns Bog, but also to developing a conceptual model useful for predicting and interpreting these gradients in other peatlands.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,093
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,192
Écart entre enseignants0,176 · 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

Citations16
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Water Resources Journal / Revue canadienne des ressources hydriquesMême sujetPeatlands and Wetlands EcologyTravaux en français237 207