MétaCan
Menu
Retour à la cohorte
Enregistrement W1001465123 · doi:10.3189/2015jog14j138

Glacier status and contribution to streamflow in the Olympic Mountains, Washington, USA

2014· article· en· W1001465123 sur OpenAlexaff
Jon Riedel, Steve Wilson, William Baccus, Michael A. Larrabee, T. J. Fudge, Andrew G. Fountain

Notice bibliographique

RevueJournal of Glaciology · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensCascades (Canada)
Organismes subventionnairesNational Park ServicePortland State University
Mots-clésGlacierFirnGeologyGlacial periodSnowPhysical geographyStreamflowMeltwaterGlacier morphologyGlacier mass balanceSurface runoffSurgeStructural basinDrainage basinHydrology (agriculture)GeomorphologyClimatologyIce streamCryosphereGeographySea ice

Résumé

récupéré en direct d'OpenAlex

Abstract The Olympic Peninsula, Washington, USA, currently holds 184 alpine glaciers larger than 0.01 km 2 and their combined area is 30.2 ± 0.95 km 2 . Only four glaciers are >1 km 2 and 120 of the others are <0.1 km 2 . This represents a loss of 82 glaciers and a 34% decrease in combined area since 1980, with the most pronounced losses occurring on south-facing aspects and in the more arid northeastern part of the range. Annual rate of loss in glacier area for seven of the largest glaciers accelerated from 0.26 km 2 a −1 (1900–80) to 0.54 km 2 a −1 (1980–2009). Thinning rates on four of the largest glaciers averaged nearly 1 ma −1 from 1987 to 2010, resulting in estimated volume losses of 17–24%. Combined glacial snow, firn and ice melt in the Hoh watershed is in the range 63–79 ± 7 × 10 6 m 3 , or 9–15% of total May–September streamflow. In the critical August–September period, the glacial fraction of total basin runoff increases to 18–30%, with one-third of the water directly from glacial ice (i.e. not snow and firn). Glaciers in the Elwha basin produce 12–15 ± 1.3 × 10 6 m 3 (2.5–4.0%), while those in the Dungeness basin contribute 2.5–3.1 ± 0.28 × 10 6 m 3 (3.0–3.8%).

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,236

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,233
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of GlaciologyMême sujetCryospheric studies and observationsTravaux en français237 207