MétaCan
Menu
← Retour à la cohorte
Enregistrement W3075495581 · doi:10.1073/pnas.2014291117

Foreseeing fires

2020· article· en· W3075495581 sur OpenAlexaboutno aff
Amy McDermott

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubarctic climateTundraVegetation (pathology)GeographyBlack spruceTaigaEcologyFire regimeForestryArchaeologyEcosystemBiology

Résumé

récupéré en direct d'OpenAlex

To predict future wildfires, researchers are building models that better account for the vegetation that fans the flames . Wildfire ripped through the black spruce forests of Eagle Plains, Yukon Territory, Canada in 1990. Fire came again in 2005. By the time plant ecologist Carissa Brown arrived in the summer of 2007, all but a few trees were dead. Any seedlings that had sprouted after the first fire had burned in the second. Their charcoaled trunks had disintegrated by 2007, leaving open land furred with swishing grasses and tundra shrubs. “It’s not what you expect to find up there,” says Brown, at Memorial University of Newfoundland in St. John’s, Canada (1). Frequent fires dramatically change patches of the landscape in Eagle Plains, Yukon Territory, Canada. Consider the vegetation in the unburned black spruce forest ( Left ) compared with a stand burned about 100 years ago ( Middle ), compared with one burned in 1990 and 2005 ( Right ). Images credit: Carissa Brown (Memorial University of Newfoundland, St. John’s, NL, Canada). Yukon forests evolved to regenerate quickly after fire. Adult trees died in historical burns every 80 to 150 years, but the heat unsealed the burning trees’ small, resinous cones to drop their seeds, kick-starting the next generation. Seedlings that established in the first five to 10 years after a fire took decades to mature. But now, as the subarctic undergoes rapid warming, some hotter, drier forests are burning much more often, killing immature spruce trees before they have time to set cones. The problem is not limited to the far North. Around the world, wildfires are growing more frequent—as well as larger, hotter, and more destructive (2). Researchers can no longer look to the past as an accurate predictor of the future. Forests adapted to rare fires may not persist through frequent …

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0250,008

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 Opus0,032
Tête enseignante GPT0,266
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of Sciences→Même sujetFire effects on ecosystems→Travaux en français237 207→