MétaCan
Menu
Retour à la cohorte
Enregistrement W6908893947 · doi:10.3389/fevo.2019.00090.s002

Table_2_A 5,000-Year Fire History in the Strait of Georgia Lowlands, British Columbia, Canada.DOC

2019· dataset· en· W6908893947 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2019
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFire historyFire regimeHoloceneFire ecologyMainlandSea levelCoastal plain

Résumé

récupéré en direct d'OpenAlex

<p>Improved knowledge of long-term fire regimes and climate-fire-human relationships are important for effective management of forested ecosystems. In this study, we use two, high-resolution sedimentary-charcoal records to provide new, mid to late Holocene fire histories for the driest forests in south coastal British Columbia, Canada: Somenos Lake in the Moist Maritime Coastal Douglas Fir (CDFmm) forests on southeastern Vancouver Island and Chadsey Lake in the Dry Maritime Coastal Western Hemlock (CWHdm) forests in the central Fraser Valley. Peak fire frequency at Somenos Lake in southeast Vancouver Island was highest prior to 3,500 cal yr BP at 9.5 fires per 1,000 years (at ~4,500 cal yr BP), with a mean fire return interval of 188 years (122–259) and 24 fire peaks for the 4,855 year record. Peak fire frequency at Chadsey Lake in the Fraser Valley of the Lower Mainland of BC was highest (5.9) at 2,736 cal yr BP but fairly uniform from ~4,300 to 2,500 cal yr BP. The mean fire return interval at Chadsey Lake was 214 years (150–285) with 15 fire peaks for the ~4,258 year record. The fire history for Chadsey Lake appears to be strongly tied to broad regional climate patterns for the region whereas the variability in the Somenos Lake fire record displays a more complex pattern likely the result of the interplay between climatic and anthropogenic factors. Our results show how different age models using long- vs. short-term temporal scales of analysis can affect fire history interpretation and highlight the importance of considering spatial variability when interpreting mechanisms driving fire activity in this region.</p>

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)0,001
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 enseignants0,670
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,6780,008

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 Opus0,026
Tête enseignante GPT0,217
Écart entre enseignants0,191 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareTravaux en français237 207