MétaCan
Menu
Retour à la cohorte
Enregistrement W6925802844 · doi:10.18739/a2rn3092p

FireALT dataset: estimated active layer thickness for paired burned unburned sites measured from 2001-2023

2024· dataset· en· W6925802844 sur OpenAlexaffabout

Notice bibliographique

RevueCalifornia Digital Library · 2024
Typedataset
Langueen
DomaineComputer Science
ThématiqueImage Processing and 3D Reconstruction
Établissements canadiensUniversity of AlbertaUniversity of GuelphWilfrid Laurier University3v Geomatics (Canada)
Organismes subventionnairesnon disponible
Mots-clésPermafrostTundraActive layerTaigaBorealLatitudeGrowing season

Résumé

récupéré en direct d'OpenAlex

As the northern high latitude permafrost zone experiences accelerated warming, permafrost has become vulnerable to widespread thaw. Simultaneously, wildfire activity across northern boreal forests and Arctic/subarctic tundra regions impacts permafrost stability through the combustion of insulating organic matter, vegetation, and post-fire changes in albedo. Despite the importance of wildfire-permafrost interactions, little research has been conducted to understand differences across ecosystem types. To address this knowledge gap, we solicited observations of active layer thickness from paired burned and unburned sites across the northern high-latitude permafrost region. We compiled 52,466 permafrost thaw depth observations from 18 contributors collected as part of individual field studies. As thaw depths were taken at various times throughout the season, we estimated end-of-season active layer thickness for each measurement using the square root of additional air thawing degree days between the day of measurement and the date of the end of the thawing season at each site. The FireALT dataset includes 48,669 ALT estimates with 32 attributes across 9,446 plots and 157 burned/unburned pairs spanning Canada, Russia, and the United States. The data were collected between 2001 and 2023 and span fire events from 1900 to 2022. Time since fire ranges from zero to 114 years. The FireALT dataset addresses a key challenge: the ability to assess the impacts of wildfire on ALT when measurements are taken at various times throughout the thaw season depending on the time of field campaigns (typically June through August) by estimating ALT at the end of the season maximum.

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)0,001
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 enseignants0,084
Score d'incertitude au seuil0,166

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
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)0,0040,005

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 Opus0,039
Tête enseignante GPT0,264
Écart entre enseignants0,225 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCalifornia Digital LibraryMême sujetImage Processing and 3D ReconstructionTravaux en français237 207