Dataset for "Environmental drivers of increased ecosystem respiration in a warming tundra"
Notice bibliographique
Résumé
Data for Nature manuscript titled “Environmental drivers of increased ecosystem respiration in a warming tundra” Corresponding author Dr. Sybryn Maes – sybryn.maes@gmail.com Github contains all R scripts on https://github.com/mjalava/tundraflux Part A. Meta-analysis The bold names refer to scripts (see the Github repository https://github.com/mjalava/tundraflux) and names in italics refer to files in this repository df_0 -Study design Figure 1 and Extended Fig. 1 from main text df_1a -Effect size calculations of response (ER) -Links to df_1.csv file with raw flux and environmental data -Only the experiments that state ‘Open Access’ in the excel file Authors_Datasets (sheet 2). For experiments stating ‘Available Upon Request’, you need to contact the authors for the -raw flux data. df_1b -Effect size calculations of environmental drivers -Links to df_1.csv file with raw flux data data (see above) and Dataset_ID.csv (this file includes all dataset IDs to merge the drivers into one dataframe) df_2a-f -Meta-analysis (2a) and meta-regression models (2b-f) (ER, N=136) -Links to df_2.csv file with effect size data and context-dependencies and Forestplot_horiz_weights_fig.csv (this file includes the mean pooled Hedges SMD as well as the individual dataset Hedges SMD to plot figure 2) -Contains code for Figs. 2-4 and Extended Figs 2-3 df_3 -Meta-regression for experimental warming duration -Contains code for Fig. 5 df_4a -Effect size calculations of autotrophic-heterotrophic respiration partitioning (Ra, Rh, N=9) -Links to df_3.csv file with raw partitioning data of subset experiments (output file df_4.csv) df_4b -Sub-meta-analysis models (ER, Ra, Rh) -Links to df_4.csv (input file) NOTES · All additional input files for the meta-analysis R-scripts are included within the folders. · ER, Ra, Rh = ecosystem, autotrophic, and heterotrophic respiration · N = sample size (number of datasets) Part B. Upscaling results For upscaling, the input data is described in the code files (see the Github repository) and the accompanying Readme.txt. percentageChangeResp_tundraAlpine.tif: modelled change in respiration baseResp_tundraAlpine.tif: baseline respiration (calculated from the data from literature) modResp_tundraAlpine.tif: modelled respiration after warming (our calculations: (percentageChangeResp_tundraAlpine+1) * baseResp_tundraAlpine) changeResp_tundraAlpine.tif: modResp-baseResp standError_tundraAlpine.tif: standard error of modelled respiration ( standError_tundraAlpine_onlyDataUncertainty.tif: standard error of modelled respiration where only data uncertainty is taken into account
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 tête enseignante, 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 ».