MétaCan
Menu
Retour à la cohorte
Enregistrement W6977490700 · doi:10.6084/m9.figshare.27055528

Data and code for: Betts et al. 2024 Congruent long-term declines in carbon and biodiversity are a signature of forest degradation

2024· dataset· en· W6977490700 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2024
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetics and Plant Breeding
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodiversityBiomass (ecology)Forest degradationHabitatCarbon fibersForest ecologyHabitat destructionCarbon sequestration

Résumé

récupéré en direct d'OpenAlex

Recent global policy initiatives aimed at reducing forest degradation require practical definitions of degradation that are readily monitored. However, consistent approaches for monitoring forest degradation over the long term and at broad scales are lacking. We quantified the long-term effects of intensive wood harvest on above-ground carbon and biodiversity at fine resolutions (30 m2) and broad scales (New Brunswick, Canada; 72,908km2). Model predictions for above-ground biomass were highly correlated with independent data (r = 0.77). After accounting for carbon stored in wood products, net CO2 emissions from forests for the region from 1985-2020 were 141 CO2e Tg (4.02 TgCO2e year-1; 30% of all reported emissions). We found strong positive correlations between locations with declines in above-ground carbon and habitats for old-forest bird species, which have lost >20% habitat over 35 years. High congruence between biodiversity and forest carbon offers potential for policy incentives to conserve both objectives simultaneously and slow rates of forest degradation. These methods could be used to track forest degradation for managed forest regions worldwide.

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)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,733
Score d'incertitude au seuil0,381

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,7330,609

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 Opus0,101
Tête enseignante GPT0,278
Écart entre enseignants0,177 · 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.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetGenetics and Plant BreedingTravaux en français237 207