Soil organic carbon stock and uncertainties, 30cm and 1m depth, at 250m spatial resolution in Canada, version 3.0
Notice bibliographique
Résumé
This project aimed to produce the first wall-to-wall estimate of C stocks in plants and soils of Canada at 250 m spatial resolution. This dataset contains the map with the soil organic carbon (SOC) in kg/m² for entire Canada in 1m depth, and the uncertainty in SOC predictions. The SOC stock map was produced using 39,323 ground samples of soil organic carbon concentration (g/kg) distributed in 6,533 sites, 11,068 ground samples of bulk density (kg/dm3) <br>distributed in 2,157 sites, long-term climate data, remote sensing observations and a machine learning model. The soil samples containing the x and y coordinates, depth and SOC (in g/kg) information were overlaid with the stacked covariates (soil forming factors) to compose the regression matrix. Random forest models were trained using a recursive feature elimination scheme and a cross-validation assessment. The best model was used for spatial prediction of SOC over Canada in intermediate depths between 0 and 1 m (0cm, 5cm, 15cm, 30cm, 60cm, 100cm). Afterwards, the SOC stock of each depth increment was computed using SOC concentration and bulk density maps, and corrected with coarse fragment information. The depth increments have been added to compose the 0-30cm and 0-1m depth intervals multiplied by root depths fraction to discount shallow soils. Water and ice/snow areas were removed using a mask based on the Land Cover of Canada map. Ground ice in permafrost areas was discounted according to ice abundance using the ground ice map of Canada. The SOC stock uncertainty map was built using the first and third quantiles of quantile regression forest approach of SOC concentration and bulk density prediction (90% confidence interval).<br>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».