Comparison of settlement-era vegetation reconstructions for STEPPS and REVEALS pollen–vegetation models in the northeastern United States
Notice bibliographique
Résumé
Abstract Reconstructions of prehistoric vegetation composition help establish natural baselines, variability, and trajectories of forest dynamics before and during the emergence of intensive anthropogenic land use. Pollen–vegetation models (PVMs) enable such reconstructions from fossil pollen assemblages using process-based representations of taxon-specific pollen production and dispersal. However, several PVMs and variants now exist, and the sensitivity of vegetation inferences to PVM selection, variant, and calibration domain is poorly understood. Here, we compare the reconstructions, parameter estimates, and structure of a Bayesian hierarchical PVM, STEPPS, both to observations and to REVEALS, a widely used PVM, for the pre–Euro-American settlement-era vegetation in the northeastern United States (NEUS). We also compare NEUS-based STEPPS parameter estimates to those for the upper midwestern United States (UMW). Both PVMs predict the observed macroscale patterns of vegetation composition in the NEUS; however, reconstructions of minor taxa are less accurate and predictions for some taxa differ between PVMs. These differences can be attributed to intermodel differences in structure and parameter estimates. Estimates of pollen productivity from STEPPS broadly agree with estimates produced for use in REVEALS, while comparison between pollen dispersal parameter estimates shows no significant relationship. STEPPS parameter estimates are similar between the UMW and NEUS, suggesting that STEPPS parameter estimates are transferable between floristically similar regions and scales.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».