MétaCan
Menu
← Retour à la cohorte
Enregistrement W6892085803 · doi:10.5061/dryad.pq788v9

Data from: Dissolved organic carbon in streams within a subarctic catchment analysed using a GIS/remote sensing approach

2018· dataset· en· W6892085803 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2018
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensMcGill UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSubarctic climateDissolved organic carbonNormalized Difference Vegetation IndexVegetation (pathology)Drainage basinLand coverHydrology (agriculture)ProductivityPrecipitation

Résumé

récupéré en direct d'OpenAlex

Climate change projections show that temperature and precipitation increases can alter the exchange of greenhouse gases between the atmosphere and high latitude landscapes, including their freshwaters. Dissolved organic carbon (DOC) plays an important role in greenhouse gas emissions, but the impact of catchment productivity on DOC release to subarctic waters remains poorly known, especially at regional scales. We test the hypothesis that increased terrestrial productivity, as indicated by the normalized difference vegetation index (NDVI), generates higher stream DOC concentrations in the Stordalen catchment in subarctic Sweden. Furthermore, we aimed to determine the degree to which other generic catchment properties (elevation, slope) the explain DOC concentration, and whether or not land cover variables representing the local vegetation type (e.g., mire, forest) need to be included to obtain adequate predictive models for DOC delivered into rivers. We show that the land cover type, especially the proportion of mire, played a dominant role in the catchment's release of DOC, while NDVI, slope, and elevation were supporting predictor variables. The NDVI as a single predictor showed weak and inconsistent relationships to DOC concentrations in recipient waters, yet NDVI was a significant positive regulator of DOC in multiple regression models that included land cover variables. Our study illustrates that vegetation type exerts primary control in DOC regulation in Stordalen, while productivity (NDVI) is of secondary importance. Thus, predictive multiple linear regression models for DOC can be utilized combining these different types of explanatory variables.

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)0,001
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: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,001

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 Opus0,060
Tête enseignante GPT0,298
Écart entre enseignants0,239 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Travaux en français237 207→