MétaCan
Menu
Retour à la cohorte
Enregistrement W2989648062 · doi:10.1038/s41598-019-53879-8

Misinterpreting carbon accumulation rates in records from near-surface peat

2019· article· en· W2989648062 sur OpenAlexaff
Dylan M. Young, Andy J. Baird, Dan J. Charman, Chris Evans, Angela Gallego‐Sala, Peter J. Gill, Paul Hughes, Paul J. Morris, Graeme T. Swindles

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensCarleton University
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésPeatCarbon fibersEnvironmental scienceSoil sciencePhysical geographyDecompositionGeologyEarth scienceEcologyGeographyComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

Peatlands are globally important stores of carbon (C) that contain a record of how their rates of C accumulation have changed over time. Recently, near-surface peat has been used to assess the effect of current land use practices on C accumulation rates in peatlands. However, the notion that accumulation rates in recently formed peat can be compared to those from older, deeper, peat is mistaken - continued decomposition means that the majority of newly added material will not become part of the long-term C store. Palaeoecologists have known for some time that high apparent C accumulation rates in recently formed peat are an artefact and take steps to account for it. Here we show, using a model, how the artefact arises. We also demonstrate that increased C accumulation rates in near-surface peat cannot be used to infer that a peatland as a whole is accumulating more C - in fact the reverse can be true because deep peat can be modified by events hundreds of years after it was formed. Our findings highlight that care is needed when evaluating recent C addition to peatlands especially because these interpretations could be wrongly used to inform land use policy and decisions.

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)0,007
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,012
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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

Citations108
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetPeatlands and Wetlands EcologyTravaux en français237 207