MétaCan
Menu
Retour à la cohorte
Enregistrement W2041825767 · doi:10.1002/hyp.6239

Heat transport in the Red Lake Bog, Glacial Lake Agassiz Peatlands

2006· article· en· W2041825767 sur OpenAlexaff
Jeffrey M. McKenzie, Donald I. Siegel, Donald O. Rosenberry, Paul H. Glaser, Clifford I. Voss

Notice bibliographique

RevueHydrological Processes · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensMcGill University
Organismes subventionnairesSyracuse UniversityNational Science Foundation
Mots-clésPeatBogAdvectionEnvironmental scienceHydrology (agriculture)GeologyGlacial periodThermal conductionAtmospheric sciencesGeomorphologyGeotechnical engineeringMaterials scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract We report the results of an investigation on the processes controlling heat transport in peat under a large bog in the Glacial Lake Agassiz Peatlands. For 2 years, starting in July 1998, we recorded temperature at 12 depth intervals from 0 to 400 cm within a vertical peat profile at the crest of the bog at sub‐daily intervals. We also recorded air temperature 1 m above the peat surface. We calculate a peat thermal conductivity of 0·5 W m −1 °C −1 and model vertical heat transport through the peat using the SUTRA model. The model was calibrated to the first year of data, and then evaluated against the second year of collected heat data. The model results suggest that advective pore‐water flow is not necessary to transport heat within the peat profile and most of the heat is transferred by thermal conduction alone in these waterlogged soils. In the spring season, a zero‐curtain effect controls the transport of heat through shallow depths of the peat. Changes in local climate and the resulting changes in thermal transport still may cause non‐linear feedbacks in methane emissions related to the generation of methane deeper within the peat profile as regional temperatures increase. Copyright © 2006 John Wiley & Sons, Ltd.

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 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 enseignants0,162
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,204 · 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.

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

Citations43
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetPeatlands and Wetlands EcologyTravaux en français237 207