MétaCan
Menu
Retour à la cohorte
Enregistrement W2039871855 · doi:10.1080/00045608.2010.497369

Climate Change and Tropical Andean Glacier Recession: Evaluating Hydrologic Changes and Livelihood Vulnerability in the Cordillera Blanca, Peru

2010· article· en· W2039871855 sur OpenAlexaff
Bryan G. Mark, Jeffrey Bury, Jeffrey M. McKenzie, Adam French, Michel Baraër

Notice bibliographique

RevueAnnals of the Association of American Geographers · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGlacierGeographyClimate changeLivelihoodVulnerability (computing)Drainage basinGlacier mass balancePhysical geographyWater resource managementEnvironmental scienceGeologyCartographyArchaeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Climate change is forcing dramatic glacier mass loss in the Cordillera Blanca, Peru, resulting in hydrologic transformations across the Rio Santa watershed and increasing human vulnerability. This article presents results from two years of transdisciplinary collaborative research evaluating the complex relationships between coupled environmental and social change in the region. First, hydrologic results suggest there has been an average increase of 1.6 (± 1.1) percent in the specific discharge of the more glacier-covered catchments (>20 percent glacier area) as a function of changes in stable isotopes of water (δ18O and δ2H) from 2004 to 2006. Second, there is a large (mean 60 percent) component of groundwater in dry season discharge based on results from the hydrochemical basin characterization method. Third, findings from extensive key interviews and seventy-two randomly sampled household interviews within communities located in two case study watersheds demonstrate that a large majority of households perceive that glacier recession is proceeding very rapidly and that climate change–related impacts are affecting human vulnerability across multiple shifting vectors including access to water resources, agro-pastoral production, and weather variability.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,065
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,053
Tête enseignante GPT0,303
Écart entre enseignants0,250 · 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

Citations153
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the Association of American GeographersMême sujetCryospheric studies and observationsTravaux en français237 207