MétaCan
Menu
Retour à la cohorte
Enregistrement W2058178494 · doi:10.5194/tc-7-1185-2013

Influence of ice-sheet geometry and supraglacial lakes on seasonal ice-flow variability

2013· article· en· W2058178494 sur OpenAlexafffund
Ian Joughin, Sarah B. Das, Gwenn E. Flowers, M. D. Behn, Richard B. Alley, Matt A. King, B. E. Smith, Jonathan Bamber, M. R. van den Broeke, J. H. van Angelen

Notice bibliographique

Revue˜The œcryosphere · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensSimon Fraser University
Organismes subventionnairesOffice of Polar ProgramsNatural Environment Research CouncilNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsNational Aeronautics and Space AdministrationNational Science Foundation
Mots-clésMeltwaterGeologyIce streamIce sheetFlow (mathematics)GeomorphologyGreenland ice sheetCryosphereHydrology (agriculture)ClimatologyGlacierSea iceGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract. Supraglacial lakes play an important role in establishing hydrological connections that allow lubricating seasonal meltwater to reach the base of the Greenland Ice Sheet. Here we use new surface velocity observations to examine the influence of supraglacial lake drainages and surface melt rate on ice flow. We find large, spatially extensive speedups concurrent with times of lake drainage, showing that lakes play a key role in modulating regional ice flow. While surface meltwater is supplied to the bed via a geographically sparse network of moulins, the observed ice-flow enhancement suggests that this meltwater spreads widely over the ice-sheet bed. We also find that the complex spatial pattern of speedup is strongly determined by the combined influence of bed and surface topography on subglacial water flow. Thus, modeling of ice-sheet basal hydrology likely will require knowledge of bed topography resolved at scales (sub-kilometer) far finer than existing data (several km).

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 enseignants0,032
Score d'incertitude au seuil0,995

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)0,0060,000

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 GPT0,202
Écart entre enseignants0,192 · 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

Citations97
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue˜The œcryosphereMême sujetCryospheric studies and observationsTravaux en français237 207