Fire Self-Limitation (FiSL) Experiment: Quantifying Wildfire Carbon Combustion Losses in boreal Deciduous and Mixed Forests in Interior Alaska and the Boreal Cordillera IX: metrics derived from All Raw Data Collected Plus Data from Previous Studies on the 2004 Alaska Wildfires Included in Analysis 2022
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This data set includes metrics derived from field and lab data collected for deciduous and mixed deciduous-confier plots collected in the summer of 2022 (Shovel Creek (2019), Aggie Creek (2015), Hess Creek (2019), Baker (2015), Munson Creek (2021), Isom Creek (2020), 2019MA014 (2019), and 2019BC005 (2019)), as well as additional data for conifer plots from previous studies of the Taylor Highway Complex (2004), Dall Creek/Yukon Crossing (2004), and Boundary (2004) fires. Those additional data were acquired from: https://www.lter.uaf.edu/d1/d1-detail/id/773 and https://daac.ornl.gov/ABOVE/guides/ABoVE_Plot_Data_Burned_Sites.html. From this complete data set of 333 plots, 311 plots were used in analyses in Black at al. (NCC) paper: "Increased deciduous tree dominance reduces wildfire carbon losses in boreal forests". Plots excluded (from 2022 FiSL data) were poplar-dominated, mixed poplar/conifer dominated, missing soil C data, or conifer-dominated (adventituous root heights were not recorded consistently at sites in 2022 making it impossible to estimate pre-fire conifer stand organic soil C pools for 2022-collected conifer plots). Only 2005-collected conifer plots were used in NCC paper analyses. For all plots, in addition to field/lab derived site characteristics and combustion metrics, post hoc remotely sensed metrics were derived: pre-fire NDVI/EVI-2 trends, 1980-2010 climate normals, and DOB weather metrics.
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.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle