MétaCan
Menu
← Retour à la cohorte
Enregistrement W6913118528 · doi:10.5683/sp3/svblmg

Snowmelt water use at transpiration onset: Dataset

2022· dataset· en· W6913118528 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2022
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensWilfrid Laurier UniversityUniversity of WinnipegUniversité de MontréalUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésSnowmeltTranspirationBlack spruceHydrology (agriculture)Soil waterLarchGrowing seasonSnowTaigaPhenology

Résumé

récupéré en direct d'OpenAlex

This record is for the dataset “Snowmelt water use at transpiration onset: Dataset” at https://doi.org/10.20383/102.0554. Most studies investigate tree water use during the growing season. However, we know little about the source of transpiration during spring onset when trees rehydrate and recommence transpiration. This repository holds high-temporal resolution isotopic (δ18O and δ2H) and hydrometric measurements collected in the spring of 2018 at the Boreal Ecosystem Research and Monitoring Sites (BERMS). Sampling was conducted prior, during and after snowmelt at the Old Black Spruce site (OBS; 53. 98 °N, 105.12 °W) and the Old Jack Pine site (OJP; 53.92°N, 104.69 °W). We did this to characterize tree water use and the timing of transpiration phenological changes from the three dominant tree species – jack pine (Pinus banksiana), black spruce (Picea mariana) and larch (Larix laricina). This composite dataset contains stable isotopic composition data (δ2H and δ18O) of more than 1300 water samples of precipitation, bulk soil collected at different depths in the soil profile, xylem from jack pine, black spruce and larch, and stream from the White Gull Creek. The data set also comprises high-resolution tree hydraulic information from stem radius change and sap flow from all three species. Finally, the repository holds environmental conditions during the sampling period, including soil volumetric water content and temperature at different soil depths, snow depth, air temperature and precipitation. This data was used to understand patterns in tree water use during spring onset and provide a mechanistic understanding of tree water use dynamics by combining isotope hydrology, tree hydrodynamics and phenology. This dataset can be downloaded at https://doi.org/10.20383/102.0554

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)0,002
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0340,041

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 Opus0,102
Tête enseignante GPT0,342
Écart entre enseignants0,240 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→