MétaCan
Menu
Retour à la cohorte
Enregistrement W4402125144 · doi:10.32942/x2x04h

The role of forests in global climate adaptation

2024· preprint· en· W4402125144 sur OpenAlexaff
Josephine Elena Reek, Gabriel Reuben Smith, Constantin M. Zohner, Susan C. Cook‐Patton, Pieter De Frenne, Paolo D’Odorico, Marius G. Floriancic, Robert Jackson, J. H. Jones, James W. Kirchner, Marysa M. Laguë, Yuting Liang, Yuta J. Masuda, Robert I. McDonald, Luke Parsons, Benedict Probst, June T. Spector, Thales West, Nicholas H. Wolff, Florian Zellweger, Thomas W. Crowther

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)Climate change adaptationEnvironmental resource managementClimate changeBusinessGeographyNatural resource economicsEnvironmental scienceEcologyEconomicsPsychologyBiologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Forests play a crucial role in regulating the global climate. Yet, forests also influence the local climate conditions through biophysical processes that directly impact human wellbeing. With growing policy emphasis on these climate adaptation effects, we review the scale dependent impacts of forests on climate conditions and their implications for human wellbeing. Generally, existing forests buffer local temperatures, with warming effects in cold regions and cooling effects in hot regions. At a global scale, trees are more conducive to cooling in regions where dense forests would naturally exist. Additionally, forests generally reduce water runoff, which can reduce flooding in wet areas, but it can also limit water availability downstream, especially in drier regions. Together, these findings suggest that climate positive tree effects tend to be most frequent in regions where forests naturally occur, and highlight the growing consensus around the importance of natural forests for climate adaptation.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 GPT0,212
Écart entre enseignants0,202 · 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
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207