Arctic chironomid training set from Canada, Greenland, Iceland and Svalbard for estimating paleotemperatures (2022)
Notice bibliographique
Résumé
This dataset includes chironomid species assemblage data and air temperature estimates from 400+ lakes across northern North America, Greenland, Iceland, and Svalbard to inform interpretations of Holocene subfossil chironomid assemblages used in paleolimnological reconstruction. This calibration-set was developed by re-identifying and taxonomically harmonizing chironomids in previously described surface sediment samples, with identifications made at finer taxonomic resolution than in original publications (which are cited in the publication describing this dataset, Medeiros et al. 2022 Quaternary Science Reviews, and should be cited by dataset users). Site summer air temperatures are newly estimated with a consistent method using the WorldClim 2.1 gridded bioclimatic dataset. The large geographic coverage of this dataset is intended to provide climatic analogs for a wide range of Holocene climates in the northwest North Atlantic region and North American Arctic, including Greenland. For many of these regions, modern calibration data for paleoclimate proxies are sparse despite keen interest in paleoclimate reconstructions from high latitudes. Dataset users should consult and cite the following source publication: Medeiros, A.S., Chipman, M., Francis, D.R., Hamerlik, L., Langdon, P., Puleo, P.J.K., Schellinger, G., Steigleder, R., Walker, I.R., Woodroffe, S., and Axford, Y. 2022. A continent-scale chironomid training set for reconstructing arctic temperatures. Quaternary Science Reviews 294, 107728. DOI 10.1016/j.quascirev.2022.107728.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,000 |
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.
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 ».