Developing statistical models to estimate the carbon density of organic soils
Notice bibliographique
Résumé
Carbon density is a key variable in assessments of local or regional soil carbon (C) stocks, but its direct measurement on large numbers of samples is both time-consuming and expensive. To assess whether the C density of organic soils can be inferred from other parameters, we examined the ability of field- (stratigraphic depth and material type) and lab- (bulk density and ash content) based variables to predict the C density of organic soil samples. Candidate models given three different levels of a priori information about samples were developed from data for continental western Canada and examined using Akaike’s information criterion (AIC). Models at each level were then used to predict profile-level C storage in cores from three different regions (continental western Canada, Ontario, and the Northwest Territories). In profiles from western Canada, predictions were unbiased, with mean prediction errors of 0–7% and local precision depending on the amount of a priori information available. Application of models to other regions yielded mixed results, probably reflecting both differences in site characteristics and classification/analytical methods used. Since these error sources are impossible to separate given available data, we recommend that models for C density prediction should be tailored to a given research question and region. The results suggest that simple, field-based variables are sufficient to predict C density for the purpose of regional surveys. To obtain accurate estimates at the profile level, bulk density (and ash or C content) have to be measured in the lab. Key words: Soil (organic), carbon density, bulk density, ash, organic matter, models (predictive)
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».