MétaCan
Menu
Retour à la cohorte
Enregistrement W1969291275 · doi:10.2747/0272-3646.27.4.297

High Arctic Patchy Wetlands: Hydrologic Variability and Their Sustainability

2006· article· en· W1969291275 sur OpenAlexaff
Ming‐ko Woo, Kathy L. Young, Laura C. Brown

Notice bibliographique

RevuePhysical Geography · 2006
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensYork UniversityMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPermafrostWetlandSnowmeltEnvironmental scienceThermokarstArcticHydrology (agriculture)TundraClimate changeSnowEcologyGeologyOceanographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Wetlands in the polar desert environment of the High Arctic provide a special ecological niche for the tundra plants, insects, birds, and animals. Non-tidal patchy wetlands exhibit a hydrologic regime that includes a high water table and extensive flooding in the snowmelt period, followed by a gradual summer drying that is interrupted by rainfall events that raise water levels. These wetlands are also prone to inter-annual variations in wetness. Given sufficient local water supply, they are self-sustaining entities in which soil saturation favors ground ice formation, but the ice-rich permafrost prevents deep percolation while vegetation growth and peat development further insulate the ground. Several processes can alter this balance: a change in drainage can reduce inflow; excessive melting of ground ice leading to thermokarst can modify wetland morphology and flow pattern. On a regional scale, projected climatic warming of the Arctic may extend the thawed season, enhance evaporation, and eliminate the late-lying snowbanks that feed some patchy wetlands. Under such a scenario, patchy wetlands in the High Arctic are considered to be highly vulnerable.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,194 · 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.

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

Citations23
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical GeographyMême sujetClimate change and permafrostTravaux en français237 207