MétaCan
Menu
Retour à la cohorte
Enregistrement W1984642792 · doi:10.3189/2015jog14j158

Modelling channelized surface drainage of supraglacial lakes

2015· article· en· W1984642792 sur OpenAlexfundno aff
Jonathan Kingslake, Felix Ng, Andrew Sole

Notice bibliographique

RevueJournal of Glaciology · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesBritish Antarctic SurveyNatural Environment Research CouncilSight Research UKAlberta Agricultural Research Institute
Mots-clésGeologyDrainageChannelizedShelf iceHydrology (agriculture)Ice sheetDrawdown (hydrology)Channel (broadcasting)Surface waterGeomorphologyOceanographyIce streamEnvironmental scienceSea iceGeotechnical engineeringCryosphereGroundwaterAquifer

Résumé

récupéré en direct d'OpenAlex

Abstract Supraglacial lakes can drain to the bed of ice sheets, affecting ice dynamics, or over their surface, relocating surface water. Focusing on surface drainage, we first discuss observations of lake drainage. In particular, for the first time, lakes are observed to drain >70 km across the Nivlisen ice shelf, East Antarctica. Inspired by these observations, we develop a model of lake drainage through a channel that incises into an ice-sheet surface by frictional heat dissipated in the flow. Modelled lake drainage can be stable or unstable. During stable drainage, the rate of lake-level drawdown exceeds the rate of channel incision, so discharge from the lake decreases with time; this can prevent the lake from emptying completely. During unstable drainage, discharge grows unstably with time and always empties the lake. Model lakes are more prone to drain unstably when the initial lake area, the lake input and the channel slope are larger. These parameters will vary during atmospheric-warming-induced ablation-area expansion, hence the mechanisms revealed by our analysis can influence the dynamic response of ice sheets to warming through their impact on surface-water routing and storage.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,062
Tête enseignante GPT0,249
Écart entre enseignants0,187 · 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'étudeSimulation ou modélisation
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

Citations72
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of GlaciologyMême sujetCryospheric studies and observationsTravaux en français237 207