MétaCan
Menu
Retour à la cohorte
Enregistrement W2097676067 · doi:10.1111/gcb.12748

Forecasting climate change impacts on the distribution of wetland habitat in the Midwestern United states

2014· article· en· W2097676067 sur OpenAlexaff
Heath W. Garris, Randall J. Mitchell, Lauchlan H. Fraser, Linda R. Barrett

Notice bibliographique

RevueGlobal Change Biology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensThompson Rivers University
Organismes subventionnairesInnovative Research Group Project of the National Natural Science Foundation of ChinaUniversity of Akron
Mots-clésWetlandEnvironmental scienceClimate changeContext (archaeology)PrecipitationWetland conservationHabitatHydrology (agriculture)Physical geographyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Shifting precipitation patterns brought on by climate change threaten to alter the future distribution of wetlands. We developed a set of models to understand the role climate plays in determining wetland formation on a landscape scale and to forecast changes in wetland distribution for the Midwestern United States. These models combined 35 climate variables with 21 geographic and anthropogenic factors thought to encapsulate other major drivers of wetland distribution for the Midwest. All models successfully recreated a majority of the variation in current wetland area within the Midwest, and showed that wetland area was significantly associated with climate, even when controlling for landscape context. Inferential (linear) models identified a consistent negative association between wetland area and isothermality. This is likely the result of regular inundation in areas where precipitation accumulates as snow, then melts faster than drainage capacity. Moisture index seasonality was identified as a key factor distinguishing between emergent and forested wetland types, where forested wetland area at the landscape scale is associated with a greater seasonal variation in water table depth. Forecasting models (neural networks) predicted an increase in potential wetland area in the coming century, with areas conducive to forested wetland formation expanding more rapidly than areas conducive to emergent wetlands. Local cluster analyses identified Iowa and Northeastern Missouri as areas of anticipated wetland expansion, indicating both a risk to crop production within the Midwest Corn Belt and an opportunity for wetland conservation, while Northern Minnesota and Michigan are potentially at risk of wetland losses under a 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.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,229
Score d'incertitude au seuil0,456

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,050
Tête enseignante GPT0,266
Écart entre enseignants0,217 · 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'étudeSimulation ou modélisation
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

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetPeatlands and Wetlands EcologyTravaux en français237 207