MétaCan
Menu
Retour à la cohorte
Enregistrement W2298116521

Comox Valley Project Watershed Blue Carbon Project

2014· article· en· W2298116521 sur OpenAlexaboutno aff
Lora McAuley

Notice bibliographique

RevueWestern CEDAR (Western Washington University) · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWatershedEnvironmental scienceHydrology (agriculture)Water resource managementGeologyComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Carbon valuation of aquatic ecosystems is an important tool that can both mitigate for and adapt to climate change. Estuary ecosystems play an important role in climate change as well as watershed and community health, and are located where coastal communities thrive. Of the many important functions of estuaries are the cycling and sequestration of carbon in sediments. A staggering 55% of all living carbon is cycled in the ocean and 50- 70% of that is stored via estuary vegetation and sediments. Despite this, estuary habitats have only recently been explored as an option for carbon offsets in British Columbia. Crucial to the development of a carbon offset system that uses eelgrass and salt marsh conservation and restoration is the Comox Valley Project Watershed Society (“Project Watershed”). Project Watershed is a non-profit group on Vancouver Island that is applying a scientific approach combined with volunteer resources to collect carbon data in the eelgrass and saltmarsh habitats of the K’omoks Estuary. This data will contribute to carbon offset models that will form the framework for a province-wide Blue Carbon Protocol. To accomplish this, Project Watershed has gained the support of the Province of BC and Vancouver Island University through a Memorandum of Understanding. Together this partnership will work towards the restoration and conservation of these important ecosystems and the values they provide, while ensuring communities benefit through education opportunities and climate change adaptation.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil0,543

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0030,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0350,006

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 GPT0,213
Écart entre enseignants0,197 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWestern CEDAR (Western Washington University)Même sujetRangeland and Wildlife ManagementTravaux en français237 207