MétaCan
Menu
Retour à la cohorte
Enregistrement W4393414974 · doi:10.5281/zenodo.10454296

Data from: Constraining biospheric carbon dioxide fluxes by combined top-down and bottom-up approaches

2024· dataset· en· W4393414974 sur OpenAlexaboutno aff
Samuel Upton, Markus Reichstein, Wouter Peters, Fabian Gans, Basil Kraft, Ana Bastos

Notice bibliographique

RevueSocio-Environmental Systems Modeling · 2024
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarbon dioxideTop-down and bottom-up designEnvironmental scienceAtmospheric sciencesEarth scienceChemistryGeologyComputer science

Résumé

récupéré en direct d'OpenAlex

Acknowledgements. We would like to thank Martin Jung, Jakob A. Nelson, Sophia Walther, and the FLUXCOM team for their structuralsupport, feedback and discussion. The Authors would like to thank the producers of the Inversion data included in this study: Ingrid Luijkxand Wouter Peters (CTE), Frederic Chevallier and the Copernicus Atmosphere Monitoring Service (CAMS), Christian Roedenbeck (JenaCarboscope sEXTocNEET), Yosuke Niwa (NISMON-CO2), and Liang Feng and Paul Palmer (UoE). This research was funded by theEuropean Research Council (ERC) Synergy Grant ’Understanding and modeling the Earth System with Machine Learning (USMILE)’under the Horizon 2020 research and innovation programme (Grant Agreement No. 855187) This work used eddy covariance data acquired by the FLUXNET community and in particular by the following networks: AmeriFlux(U.S. Department of Energy, Biological and Environmental Research, Terrestrial Carbon Program (DE-FG02-04ER63917 and DE-FG02-04ER63911)), AfriFlux, AsiaFlux, CarboAfrica, CarboEuropeIP, CarboItaly, CarboMont, ChinaFlux, Fluxnet-Canada (supported by CFCAS,NSERC, BIOCAP, Environment Canada, and NRCan), GreenGrass, KoFlux, LBA, NECC, OzFlux, TCOS-Siberia, USCCC. We acknowl-edge the financial support to the eddy covariance data harmonization provided by CarboEuropeIP, FAO-GTOS-TCO, iLEAPS, Max PlanckInstitute for Biogeochemistry, National Science Foundation, University of Tuscia, Université Laval and Environment Canada and US Depart-ment of Energy and the database development and technical support from Berkeley Water Center, Lawrence Berkeley National Laboratory,Microsoft Research eScience, Oak Ridge National Laboratory, University of California - Berkeley, University of Virginia

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)0,003
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,011

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 Opus0,030
Tête enseignante GPT0,217
Écart entre enseignants0,187 · 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
GenreJeu de données

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocio-Environmental Systems ModelingMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207