MétaCan
Menu
Retour à la cohorte
Enregistrement W6907318389 · doi:10.18739/a2x05xf4c

Lake Qaupat, Baffin Island 5,800 Year Plant Wax and Geochemical Data

2022· dataset· en· W6907318389 sur OpenAlexaboutno aff

Notice bibliographique

RevueCalifornia Digital Library · 2022
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWaxArcticPlant communityPrecipitationSeasonalityTerrestrial plantWater cycleClimate changeSpring (device)

Résumé

récupéré en direct d'OpenAlex

Paleo water isotope records can elucidate how the Arctic water cycle responded to past climate changes. We analyze the hydrogen isotope composition (δ2H) of plant‐derived n‐alkanoic acids (waxes) from Lake Qaupat, Baffin Island, Nunavut, Canada, to assess moisture sources and seasonality during the past 5.8 kiloannum (ka). We compare this record to a sedimentary ancient DNA (sedaDNA)‐inferred vascular plant record from the same lake, aiming to overcome the uncertainty of plant community impacts on leaf waxes. As the sedaDNA record reveals a stable plant community after the colonization of Betula sp. at 6.1 ka, we interpret plant wax δ2H values to reflect climate, specifically mean annual precipitation δ2H. However, the distributions of n‐alkanoic acid homologs suggest that aquatic mosses, which are not represented in the sedaDNA record, may become more abundant towards the present. Therefore, we cannot exclude the possibility that changes in the plant community cause changes in the plant wax δ2H record, particularly long‐chain waxes, which become less abundant through this record. We find that Lake Qaupat mid‐chain plant wax δ2H is enriched coincident with high Labrador Sea summer surface temperature, which suggests that local moisture sources in summer and early autumn have the greatest impact on precipitation isotopes in this region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,319
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,3210,002

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 Opus0,028
Tête enseignante GPT0,206
Écart entre enseignants0,178 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCalifornia Digital LibraryMême sujetClimate change and permafrostTravaux en français237 207