MétaCan
Menu
Retour à la cohorte
Enregistrement W6946900194 · doi:10.3389/fevo.2020.00257.s001

Data_Sheet_1_Forest Transformation Following European Settlement in the Saguenay-Lac-St-Jean Valley in Eastern Québec, Canada.PDF

2020· dataset· en· W6946900194 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2020
Typedataset
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDominance (genetics)ClearingEcological successionForest managementLoggingLarchTaiga

Résumé

récupéré en direct d'OpenAlex

<p>Human activities have changed forest composition of northeastern North America since European settlement by increasing the importance of pioneer shade-intolerant species, at the expense of shade-tolerant and long-lived species. This study used tree taxa lists from land survey archives (1842–1935) to document the pre-settlement forest composition in a heavily transformed region at the temperate-boreal interface in eastern Québec (Canada). Pre-settlement forests were dominated by a spruce-fir-white birch assemblage. Two additional assemblages were characterized by high relative frequency of the fire-adapted jack pine and poplar, suggesting that fire was an important factor of pre-settlement forest dynamics. Comparison with modern forest inventories (1980–2010) showed that trembling aspen, jack pine and red maple increased to the detriment of spruce, yellow birch, and white and red pines. The spruce-fir-white birch assemblage is now confined to high elevations and steep slopes, while the jack pine assemblage has extended its distribution and strengthen its association with sandy deposits. Surveyors’ fire observations revealed a high fire activity during the settlement period (1842–1971) and human ignitions were probably the predominant cause. While settlement fires are a likely explanation for the post-settlement increase of jack pine and trembling aspen, industrial logging and land clearing are important factors that could explain the decline of spruce and pines (red and white). Ecosystem-based forest management should aim to increase spruce frequency and dominance over disturbance-adapted (shade intolerant and fast-growing) species, and to restore yellow birch, cedar, white, and red pines in the plains sector where forest transformation has been the most important.</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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte, 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 enseignants0,412
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0030,010
Science ouverte0,0090,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,083
Tête enseignante GPT0,306
Écart entre enseignants0,223 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetResearch Data Management PracticesTravaux en français237 207