MétaCan
Menu
Retour à la cohorte
Enregistrement W4306411900 · doi:10.1146/annurev-environ-012220-011847

Permafrost and Climate Change: Carbon Cycle Feedbacks From the Warming Arctic

2022· article· en· W4306411900 sur OpenAlexaff
Edward A. G. Schuur, Benjamin W. Abbott, R. Commane, Jessica G. Ernakovich, E. S. Euskirchen, Gustaf Hugelius, Guido Grosse, Miriam C. Jones, Charles D. Koven, Victor O. Leshyk, David M. Lawrence, M. M. Loranty, Marguerite Mauritz, David Olefeldt, Susan M. Natali, Heidi Rodenhizer, Verity Salmon, Christina Schädel, Jens Strauß, Claire C. Treat, Merritt R. Turetsky

Notice bibliographique

RevueAnnual Review of Environment and Resources · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPermafrostEnvironmental scienceGlobal warmingGreenhouse gasClimate changeCarbon cycleArcticCryosphereGlobal changeEcosystemSoil carbonGreenhouse gas removalClimatologyClimate commitmentVegetation (pathology)Runaway climate changeEarth scienceEffects of global warmingEcologyOceanographySea iceGeologySoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

Rapid Arctic environmental change affects the entire Earth system as thawing permafrost ecosystems release greenhouse gases to the atmosphere. Understanding how much permafrost carbon will be released, over what time frame, and what the relative emissions of carbon dioxide and methane will be is key for understanding the impact on global climate. In addition, the response of vegetation in a warming climate has the potential to offset at least some of the accelerating feedback to the climate from permafrost carbon. Temperature, organic carbon, and ground ice are key regulators for determining the impact of permafrost ecosystems on the global carbon cycle. Together, these encompass services of permafrost relevant to global society as well as to the people living in the region and help to determine the landscape-level response of this region to a changing climate.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,017
Tête enseignante GPT0,219
Écart entre enseignants0,202 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations415
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Environment and ResourcesMême sujetClimate change and permafrostTravaux en français237 207