MétaCan
Menu
Retour à la cohorte
Enregistrement W4380683051 · doi:10.3389/fenvs.2023.1172977

Cloud-based data mapper (CDM): application for monitoring dry deposition of reactive nitrogen

2023· article· en· W4380683051 sur OpenAlexafffund
Shailesh Kumar Kharol, Cameron Prapavessis, Mark W. Shephard, C. A. McLinden, Debora Griffin

Notice bibliographique

RevueFrontiers in Environmental Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésReactive nitrogenCloud computingEnvironmental scienceRemote sensingFlux (metallurgy)Computer scienceNitrogenMaterials scienceGeographyChemistry

Résumé

récupéré en direct d'OpenAlex

Spatiotemporal monitoring of reactive nitrogen atmospheric deposition is essential for understanding its impact on sensitive ecosystems and quantifying cumulative effects. However, the sparsity of direct surface flux measurements combined with barriers in dissemination are major limiting factors in providing this information to decision makers and non-experts in a timely manner. This work addresses both aspects of this information gap by, 1) utilizing satellite-derived reactive nitrogen dry deposition data products that can be used by decision-makers to supplement the sparse direct surface flux measurements and 2) fill in measurement gaps. Therefore, we have developed a Reactive Nitrogen Flux Mapper (RNFM) component of the interactive Cloud-based Data Mapper (CDM) for providing easy access of satellite-derived reactive nitrogen (defined here as nitrogen dioxide (NO2) and ammonia (NH3)) dry deposition flux spatial maps/data to decision-makers/stakeholders over North America. The RNFM component of CDM has a Graphical User Interface (GUI) that allows users to specify the geographical regions and time periods for computing the average fluxes on the fly using an integrated cloud-based computing platform. The CDM architecture is flexible and can be upgraded in the future to take advantage of upstream satellite data directly on cloud platforms to provide results in near real-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 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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,219 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Environmental ScienceMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207