MétaCan
Menu
Retour à la cohorte
Enregistrement W4393612657 · doi:10.5281/zenodo.10048769

Evergreen needleleaf forest pigment, MONI-PAM, eddy-covariance, and tower-scale remote sensing data across four different sites

2024· dataset· en· W4393612657 sur OpenAlexaboutno aff
Zoe Pierrat

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typedataset
Langueen
DomaineEngineering
ThématiqueRemote-Sensing Image Classification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEddy covarianceEvergreenScale (ratio)Environmental scienceTowerEvergreen forestCovarianceRemote sensingAtmospheric sciencesGeographyMathematicsEcologyStatisticsGeologyBiologyEcosystemCartography

Résumé

récupéré en direct d'OpenAlex

The data presented here are from four evergreen needleleaf forests, which include boreal forest locations in Alaska (DEJU, mean annual temperature = 0.4 degrees Celsius [°C], latitude = 63.9 degrees north [°N]) and Saskatchewan, Canada (Ca-Obs, 1.3°C, 54.0°N), a high elevation forest in Colorado (US-NR1, 2.8°C, 40.0°N), and a longleaf pine forest in Florida (OSBS, 21.1°C, 29.7°N). Included are needle-scale pigment data from the DEJU, US-NR1, and OSBS sites; MONI-PAM fluoresence data from the DEJU and US-NR1 sites, tower-scale eddy-covariance, meterological, and remotely sensed solar-induced fluoresence and vegetation index data across all four sites. More information on these data can be found in the accompanying publications: Pierrat, Z.A., Magney, T., Maguire, A., Brissette, L., Doughty, R., Bowling, D.R., Logan, B., Parazoo, N., Frankenberg, C., Stutz, J., 2024. Seasonal timing of fluorescence and photosynthetic yields at needle and canopy scales in evergreen needleleaf forests. Ecology 105, e4402. https://doi.org/10.1002/ecy.4402 Pierrat, Z.A., Magney, T.S., Cheng, R., Maguire, A.J., Wong, C.Y.S., Nehemy, M.F., Rao, M., Nelson, S.E., Williams, A.F., Grosvenor, J.A.H., Smith, K.R., Reblin, J.S., Stutz, J., Richardson, A.D., Logan, B.A., Bowling, D.R., 2024. The biological basis for using optical signals to track evergreen needleleaf photosynthesis. BioScience 74, 130–145. https://doi.org/10.1093/biosci/biad116 This version of the dataset includes longer timeseries of MONI-PAM fluoresence data used in Pierrat et al., 2024 Ecology. Users of the data are highly encouraged to contact the data producers for futher information on usage and limitations of this dataset.

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)0,000
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,407

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,065
Tête enseignante GPT0,276
Écart entre enseignants0,211 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetRemote-Sensing Image ClassificationTravaux en français237 207