MétaCan
Menu
Retour à la cohorte
Enregistrement W1615868986 · doi:10.1002/grl.50214

Irreversible mass loss of Canadian Arctic Archipelago glaciers

2013· article· en· W1615868986 sur OpenAlexaboutno aff
Jan T. M. Lenaerts, J. H. van Angelen, M. R. van den Broeke, Alex Gardner, Bert Wouters, Erik van Meijgaard

Notice bibliographique

RevueGeophysical Research Letters · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesSeventh Framework ProgrammeChinese Academy of Agricultural SciencesNational Collegiate Athletic Association
Mots-clésMeltwaterGlacierGlacier mass balanceSnowArcticGlacier ice accumulationClimatologyTundraEnvironmental scienceCryosphereGeologyArchipelagoAtmospheric sciencesPhysical geographyIce streamSea iceGeomorphologyOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The Canadian Arctic Archipelago (CAA) contains the largest volume of glacier ice on Earth outside of Antarctica and Greenland. In the absence of significant calving, CAA glacier mass balance is governed by the difference between surface snow accumulation and meltwater runoff—surface mass balance. Here we use a coupled atmosphere/snow model to simulate present‐day and 21st century CAA glacier surface mass balance. Through comparison with Gravity Recovery and Climate Experiment mass anomalies and in situ observations, we show that the model is capable of representing present‐day CAA glacier mass loss, as well as the dynamics of the seasonal snow cover on the CAA tundra. Next, we force this model until 2100 with a moderate climate warming scenario (AR5 RCP4.5). We show that enhanced meltwater runoff from CAA glaciers is not sufficiently compensated by increased snowfall. Extrapolation of these results toward an AR5 multimodel ensemble results in sustained 21st century CAA glacier mass loss in the vast majority (>99%) of the ~7000 temperature realizations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,644
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0030,002

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 Opus0,040
Tête enseignante GPT0,256
Écart entre enseignants0,216 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations129
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetCryospheric studies and observationsTravaux en français237 207