A novel big-data perspective on earth system evolution
Notice bibliographique
Résumé
The many components of the Earth System are linked through complex feedbacks that can be revealed in large compilations of diverse geochemical proxy data for paleoclimate and ocean conditions. In those archives, for example, temporal and spatial trends can be visualized as topologies (‘landscapes’) defined by areas of high-density data, corresponding to steady states (= stability basins) maintained by negative feedbacks. The boundaries between those stability basins, representing low-density data areas (potential tipping points), are crossed when external drivers are involved, moving the system to a new steady state. These external drivers are often associated with positive feedbacks. As a proof of concept, we produced a stability ‘landscape’ using an extensive set of published carbon (δ13C) and oxygen (δ18O) isotope data from sedimentary carbonates spanning the last 2.5 billion years. The superimposed C-O isotopic pathways show a preference for particular regions of the ‘landscape’ at different times in Earth history. Major excursions reflect positive loops often set into motion by external inputs (drivers) that can overwhelm the system, such as major volcanic and tectonic events and human-induced climate effects. Our approach can be applied to other proxy datasets, and multivariate statistical treatments, including machine-learning approaches, can potentially yield a robust, high-resolution ‘landscape’ of the Earth System through time.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,016 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».