MétaCan
Menu
Retour à la cohorte
Enregistrement W3048520469 · doi:10.1073/pnas.1916387117

Large stocks of peatland carbon and nitrogen are vulnerable to permafrost thaw

2020· article· en· W3048520469 sur OpenAlexaff
Gustaf Hugelius, Julie Loisel, Sarah Chadburn, Robert B. Jackson, Miriam C. Jones, Glen M. MacDonald, Maija E. Marushchak, David Olefeldt, Maara Packalen, Matthias Siewert, Claire C. Treat, Merritt R. Turetsky, Carolina Voigt, Zicheng Yu

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensUniversity of TorontoUniversité de MontréalUniversity of GuelphUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of ChinaEuropean CommissionSight Research UKPast Global ChangesNatural Environment Research CouncilGordon and Betty Moore FoundationInstitut National Du CancerVetenskapsrådetNational Science Foundation
Mots-clésPeatPermafrostEnvironmental scienceGreenhouse gasGlobal warmingClimate changeCarbon fibersBorealPhysical geographyHydrology (agriculture)EcologyGeologyOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

Significance Over many millennia, northern peatlands have accumulated large amounts of carbon and nitrogen, thus cooling the global climate. Over shorter timescales, peatland disturbances can trigger losses of peat and release of greenhouses gases. Despite their importance to the global climate, peatlands remain poorly mapped, and the vulnerability of permafrost peatlands to warming is uncertain. This study compiles over 7,000 field observations to present a data-driven map of northern peatlands and their carbon and nitrogen stocks. We use these maps to model the impact of permafrost thaw on peatlands and find that warming will likely shift the greenhouse gas balance of northern peatlands. At present, peatlands cool the climate, but anthropogenic warming can shift them into a net source of warming.

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 enseignants0,019
Score d'incertitude au seuil0,038

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,024
Tête enseignante GPT0,259
Écart entre enseignants0,235 · 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

Citations781
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetPeatlands and Wetlands EcologyTravaux en français237 207