Late Quaternary paleoecology of the North American midcontinent
Notice bibliographique
Résumé
Vegetation dynamics at regional to subcontinental scales are complex, and our understanding of the critical factors which govern them is far from complete. Temperature operates on a roughly longitudinal gradient across North America, while precipitation gradients are roughly latitudinal. What results is a complex climate space which is then further subdivided by topography, underlying geology, surface and subsurface hydrology, and seasonality, to name but a few, into broad-scale vegetation zones, or ecoregions. I used a combination of approaches to investigate climate and vegetation dynamics at multiple spatiotemporal scales, and to develop new tools to study past climate. Defining and delineating past ecoregions has long presented a challenge. Fossil pollen distinguishes between major biome types, i.e., grassland versus forest, with great success. However, distinguishing between prairie types at regional to subcontinental scales using the pollen record has been impossible. The ratio of Ambrosia (ragweed) to Artemisia (sagebrush, wormwood, mugwort) pollen has been shown to differentiate between tallgrass, mixed grass, and shortgrass prairie over a small portion of the modern Great Plains of North America. I extended that technique, and showed that the log-transformed Ambrosia to Artemisia ratio can reliably distinguish between subregions within the Great Plains, as well as regions immediately adjacent. In addition, I found that the relationship between Ambrosia and Artemisia pollen is best explained by precipitation rather than temperature, and that it produces reliable precipitation estimates when used to create models. This will allow for better reconstructions of past climate and improve delineations of past ecoregion boundaries. Pollen data are routinely used in paleoenvironmental studies to understand past climate and vegetation. One existing limitation in working with pollen data is the need to write code in order to execute several of the routine analyses in paleoecological work. I developed GeoPollen, a Shiny Dashboard application, to be a streamlined, user-friendly GUI-based tool for performing these basic analyses. Users are able to utilize more than 3,000 publicly available pollen datasets from the Neotoma Paleoecology Database spanning the last 22,000 years from the United States and Canada. GeoPollen performs a suite of common tasks on demand and generates diagnostics necessary for evaluating results. I developed GeoPollen in order to increase the openness and accessibility of late Quaternary pollen data. Boundaries between vegetation types are often highly sensitive to perturbations in climate. For example, the tallgrass prairie-temperate forest ecotone in Minnesota shifted rapidly and repeatedly during the mid-Holocene climate optimum, a warm
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».