Goal and products of PAGES LandCover6k 2018-2020: Past Global Land Cover and Land Use for Climate Modelling
Notice bibliographique
Résumé
The question of whether prehistoric human impacts on land cover (i.e. anthropogenic land cover change due to land use, LULC) were sufficiently large to have a major impact on regional cli-mates is still a matter of debate. Climate model simulations have shown that LULC datasets can have large regional impacts on climate in recent and prehistoric time (1). But there are major differences between the available LULC scenarios/datasets such as HYDE (History Database of the Global En-vironment) and Kaplan’s KK10 (2), and diagnoses of inferred carbon-cycle impacts show that none of the scenarios are realistic (3). The only way to provide a useful assessment of the potential for LULC changes to affect climate in the past, is to provide more realistic LULC data based on palaeovegetation and archaeological evidence to improve the LULC datasets used in climate modelling(4). We use the REVEALS model to reconstruct LC from pollen data at a regional scale, and archaeological data to map LU types and distribution, and estimate per capita LU. The archaeology-based LU maps and per-capita LU estimates are used to improve LULC datasets. Pollen-based REVEALS LC estimates are then used to evaluate/validate the new, improved LULC datasets. These new datasets will be used to implement past land use in palaeoclimate and carbon cycle model simulations. Such simulations are necessary to assess the impact of LULC changes in the past and understand the effect of ecosys-tem management on future climate. We present results from five years of PAGES LandCover6k activities. (1) Strandberg G, Kjellström E, Poska A, Wagner S, Gaillard M-J et al. (2014) Regional climate model sim-ulations for Europe at 6 and 0.2 k BP: sensitivity to changes in anthropogenic deforestation. Clim. Past 10, 661–680. (2) Gaillard M-J, Sugita S, Mazier F et al (2010) Holocene land-cover reconstructions for studies on land cover-climate feedbacks. Clim. Past 6, 483-499. (3) Stocker B, Yud Z, Massae C, Joos F (2017) Holocene peatland and ice-core data constraints on the tim-ing and magnitude of CO2 emissions from past land use. www.pnas.org/cgi/doi/10.1073/ pnas.1613889114. (4) Harrison S P, Gaillard M-J, Stocker B D, Vander Linden M, Klein Goldewijk K, Boles O, Braconnot P, Dawson A, Fluet-Chouinard E, Kaplan J O, Kastner T, Pausata F S R, Robinson E, Whitehouse N J, Madella M, and Morrison K D (2019) Development and testing of scenarios for implementing Holocene LULC in Earth Sys-tem Model Experiments, Geosci. Model Dev. Discuss., https://doi.org/10.5194/gmd-2019-125, in review, 2019.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,032 |
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 ».