MétaCan
Menu
Retour à la cohorte
Enregistrement W2203551984 · doi:10.1079/9780851993768.0000

Forest dynamics in heavily polluted regions. Report No. 1 of the IUFRO Task Force on Environmental Change.

2000· book· en· W2203551984 sur OpenAlexaboutno aff

Notice bibliographique

RevueCABI eBooks · 2000
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Policies and Emissions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTask forceAir pollutionGeographyPollutionEnvironmental protectionScale (ratio)Environmental planningEnvironmental changeForestryEnvironmental resource managementPolitical scienceEnvironmental scienceClimate changeCartographyPublic administrationEcology

Résumé

récupéré en direct d'OpenAlex

Abstract This book is the first volume in a new book series covering many areas of forestry research, published by CABI in association with IUFRO (International Union of Forestry Research Organizations), and also the first report from the IUFRO Task Force on Environmental Change. The book provides a state-of the-art assessment of the extent of air pollution impacts in heavily polluted regions, with case studies from Europe, North America and Russia. It includes a summary for policy makers, and is of interest to researchers and students of forestry, environmental science and pollution studies. The book is arranged in 13 chapters - the first is an introduction, the second provides background information on different types of air pollution and describes the main types of pollutants found in heavily industrialized regions, chapters 3-10 are case studies (3-6 from Russia, 7 from Ontario (Canada), 8 from central and eastern Europe, 9 from California (USA), 10 from the Mediterranean Region), chapter 11 provides an overview of some of the approaches that have been adopted to ameliorate the effects of air pollution in boreal and temperate forests, chapter 12 discusses international activities to reduce pollution at the regional scale, and the last chapter is the summary for policy makers. A subject index is included.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,374

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,010
Tête enseignante GPT0,201
Écart entre enseignants0,191 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCABI eBooksMême sujetEnvironmental Policies and EmissionsTravaux en français237 207