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
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».