MétaCan
Menu
← Retour à la cohorte
Enregistrement W4378783195 · doi:10.1016/j.isci.2023.106807

Interactions within the climate-vegetation-fire nexus may transform 21st century boreal forests in northwestern Canada

2023· article· en· W4378783195 sur OpenAlexaffabout
Dorian M. Gaboriau, Émeline Chaste, Martin P. Girardin, Hugo Asselin, Adam A. Ali, Yves Bergeron, Christelle Hély

Notice bibliographique

RevueiScience · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceUniversité du Québec en Abitibi-TémiscamingueUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésEvergreenBorealVegetation (pathology)Fire regimeBiomass (ecology)TaigaEnvironmental scienceEcosystemClimate changeFlammable liquidEcologyNexus (standard)Physical geographyAgroforestryGeographyForestryBiologyChemistry

Résumé

récupéré en direct d'OpenAlex

Dry and warm conditions have exacerbated the occurrence of large and severe wildfires over the past decade in Canada's Northwest Territories (NT). Although temperatures are expected to increase during the 21st century, we lack understanding of how the climate-vegetation-fire nexus might respond. We used a dynamic global vegetation model to project annual burn rates, as well as tree species composition and biomass in the NT during the 21st century using the IPCC's climate scenarios. Burn rates will decrease in most of the NT by the mid-21st century, concomitant with biomass loss of fire-prone evergreen needleleaf tree species, and biomass increase of broadleaf tree species. The southeastern NT is projected to experience enhanced fire activity by the late 21st century according to scenario RCP4.5, supported by a higher production of flammable evergreen needleleaf biomass. The results underlie the potential for major impacts of climate change on the NT's terrestrial ecosystems.

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)0,001
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 enseignants0,023
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,228
Écart entre enseignants0,220 · 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

Citations18
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueiScience→Même sujetFire effects on ecosystems→Travaux en français237 207→