Dataset: Long-term geothermal warming reduced stocks of carbon but not nitrogen in a subarctic forest soil
Notice bibliographique
Résumé
The files stored in this repository contain data and additional information for the study "Long-term geothermal warming reduced stocks of carbon but not nitrogen in a subarctic forest soil" by Tino Peplau, Julia Schroeder, Edward Gregorich and Christopher Poeplau. climate-data-takhini.txt: Contains a dataset with climate data used for Figure 1a and b. The data was downloaded from https://climatedata.ca/download/ as single variables and later on put into this single file. degree_days.xlsx: Contains soil temperature data with according calculation of cumulative degree days. temperature.xlsx: Contains raw data of soil temperature teabags_HS.xlsx: Contains information about all 24 buried teabags. The table contains 6 columns: 1)"sample" gives the individual name of the sample. 2) "rep" is the replication at each plot 3) "plot" is the plot, according to the soil warming intensity 4) "depth" is the depth at which the teabag was buried 5) "weight_start" is the weight of tea before at start of the experiment 6) "weight_end" ist the weight of the tea after one year of burial HS_data_final.xlsx: Contains all data of the soil samples. It is divided into two sheets: "sample_data": Provides information about every single soil sample, including chemical data, bulk density, organic and inorganic carbon, nitrogen and fractions. "plot_data": Provides a summary of the data for every soil core (repetition) and plot, including mass corrected SOC and N stocks of the whole profile, topsoil and subsoil.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,040 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».