MétaCan
Menu
Retour à la cohorte
Enregistrement W2068818948 · doi:10.1002/esp.1199

Postglacial topographic evolution of glaciated valleys: a stochastic landscape evolution model

2005· article· en· W2068818948 sur OpenAlexafffundabout
Simon Dadson, Michael Church

Notice bibliographique

RevueEarth Surface Processes and Landforms · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British Columbia
Mots-clésGeologyFluvialDeglaciationGlacierGeomorphologySediment transportSedimentPhysical geographyLandslideGlacial periodGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The retreat of valley glaciers has a dramatic effect on the stability of glaciated valleys and exerts a prolonged influence on the subsequent fluvial sediment transport regime. We have studied the evolution of an idealized glaciated valley during the period following retreat of ice using a numerical model. The model incorporates a stochastic process to represent deep‐seated landsliding, non‐linear diffusion to represent shallow landsliding and an approximation of the Bagnold relation to represent fluvial sediment transport. It was calibrated using field data from several recent surveys within British Columbia, Canada. We present ensemble model results and compare them with results from a deterministic linear‐diffusion model to show that explicit representation of large landslides is necessary to reproduce the morphology and channel network structure of a typical postglacial valley. Our model predicts a rapid rate of fluvial sediment transport following deglaciation with a subsequent gradual decline, similar to that inferred for Holocene time. We also describe how changes in the model parameters affect the estimated magnitude and duration of the paraglacial sediment pulse. Copyright © 2005 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 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 enseignants0,098
Score d'incertitude au seuil0,195

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,004
Tête enseignante GPT0,192
Écart entre enseignants0,188 · 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

Citations103
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEarth Surface Processes and LandformsMême sujetLandslides and related hazardsTravaux en français237 207