MétaCan
Menu
Retour à la cohorte
Enregistrement W2082061235 · doi:10.1029/2011eo190004

Improving Hydrology in Land Ice Models

2011· article· en· W2082061235 sur OpenAlexaff
Stephen Price, Gwenn E. Flowers, Christian Schoof

Notice bibliographique

RevueEos · 2011
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCryosphereSea iceEnvironmental scienceIce sheetGlacierClimatologyClimate changeIce shelfClimate modelIce streamPhysical geographyHydrology (agriculture)GeologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Community Earth System Model Land Ice Working Group Meeting; Boulder, Colorado, 13 January 2011 ; Recent observations indicate that mass loss from glaciers and ice sheets (“land ice”) is increasing. The drivers of these changes are not well understood, and modeling the land ice response to them remains challenging. As a result, the Intergovernmental Panel on Climate Change explicitly avoided speculating on 21st‐century sea level rise from ice dynamical processes in its fourth assessment report. The mismatch between observations of land ice change and model skill at mimicking those changes is behind recent efforts to develop next‐generation land ice models. Necessary improvements to existing models include improved dynamics, coupling to climate models, and better representations of important boundary conditions and physical processes. Basal sliding, the primary control on the rate of land ice delivery to the oceans, is one such boundary condition that is largely controlled by land ice hydrology.

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 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 enseignants0,101
Score d'incertitude au seuil0,983

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)0,0010,000

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 Opus0,044
Tête enseignante GPT0,196
Écart entre enseignants0,152 · 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.

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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEosMême sujetCryospheric studies and observationsTravaux en français237 207