MétaCan
Menu
Retour à la cohorte
Enregistrement W2982368891 · doi:10.1073/pnas.1908179116

Human and climate global-scale imprint on sediment transfer during the Holocene

2019· article· en· W2982368891 sur OpenAlexafffund
Jean‐Philippe Jenny, Sujan Koirala, Irene Gregory‐Eaves, Pierre Francus, Christoph Niemann, Bernhard Ahrens, Victor Brovkin, Alexandre Baud, Antti Ojala, Alexandre Normandeau, Bernd Zolitschka, Nuno Carvalhais

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensGeological Survey of CanadaInstitut National de la Recherche ScientifiqueBedford Institute of OceanographyUniversité du Québec à MontréalMcGill University
Organismes subventionnairesAXA Research FundNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsPast Global Changes
Mots-clésSedimentHoloceneSedimentationDeforestation (computer science)ErosionGeologyPhysical geographyHydrology (agriculture)Environmental scienceOceanographyGeomorphologyGeography

Résumé

récupéré en direct d'OpenAlex

C ages to assess the relative changes in lake-watershed erosion rates over the last 12,000 y. Estimated soil erosion dynamics were then complemented with land cover reconstructions inferred from 43,669 pollen samples and with climate time series from the Max Planck Institute Earth System Model. Our results show that a significant portion of the Earth surface shifted to human-driven soil erosion rate already 4,000 y ago. In particular, inferred soil erosion rates increased in 35% of the watersheds, and most of these sites showed a decrease in the proportion of arboreal pollen, which would be expected with land clearance. Further analysis revealed that land cover change was the main driver of inferred soil erosion in 70% of all studied watersheds. This study suggests that soil erosion has been altering terrestrial and aquatic ecosystems for millennia, leading to carbon (C) losses that could have ultimately induced feedbacks on the climate system.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,023
Tête enseignante GPT0,279
Écart entre enseignants0,257 · 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

Citations148
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207