MétaCan
Menu
← Retour à la cohorte
Enregistrement W6930709007 · doi:10.5281/zenodo.14858274

Net CO2 emissions from dry inland waters persist in the presence of vegetation

2025· dataset· en· W6930709007 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensUniversity of ReginaRoyal Ontario Museum
Organismes subventionnairesnon disponible
Mots-clésVegetation (pathology)WetlandSedimentHydrology (agriculture)Ephemeral keyVegetation classification

Résumé

récupéré en direct d'OpenAlex

This protocol outlines a standardized methodology for measuring CO2 fluxes from bare and vegetated dry sediments under both light and dark conditions. It provides a step-by-step procedure for estimating CO2 fluxes as well as sediment and vegetation characteristics in dry inland water bodies. The protocol describes methods and techniques for collecting and measuring sediment variables, including sediment temperature, moisture, total inorganic matter, organic matter, electrical conductivity, texture, pH, vegetation cover, and above-ground biomass. This work is part of the DRYFLUX-II initiative, supported by the Global Lake Ecological Monitoring Network (GLEON). The accompanying dataset provides an overview of the dry inland water bodies investigated to assess the influence of vegetation on CO2 emissions from dry beds. The study includes 164 inland water bodies, encompassing lakes, ponds, reservoirs, streams, and wetlands across a broad range of climatic regions, including tropical, arid, temperate, boreal, and polar zones. The dataset includes both in situ variables (e.g., sediment temperature, vegetation cover, mean annual temperature, and precipitation) and ex situ variables (e.g., sediment moisture, pH, electrical conductivity, and sediment texture). Additional metadata include the sampling country, water body type, weather conditions during sampling, dry-regime classification (chronically dry, ephemeral dry, intermittently dry, or temporarily dry), and the type of device used for CO2 measurements. Note: For questions or clarifications, please contact the corresponding authors. If this protocol or dataset is used for research purposes, please cite the dataset using the DOI provided by Zenodo.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0390,014

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 Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,230 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetCancer, Hypoxia, and Metabolism→Travaux en français237 207→