MétaCan
Menu
Retour à la cohorte
Enregistrement W2082946325 · doi:10.1002/esp.1538

Segregated ice structures in various heaved permafrost landforms through CT Scan

2007· article· en· W2082946325 sur OpenAlexafffund
Fabrice Calmels, Michel Allard

Notice bibliographique

RevueEarth Surface Processes and Landforms · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité LavalCenter for Northern Studies
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPermafrostThermokarstGeologyLandformAggradationFrost (temperature)Active layerGeomorphologyVegetation (pathology)Physical geographySnowFluvialLayer (electronics)OceanographyStructural basin

Résumé

récupéré en direct d'OpenAlex

Abstract The growth of segregated ice lenses in frost susceptible sediments in the discontinuous permafrost zone is the dominant mechanism for the formation of permafrost mounds, such as palsas, lithalsas and permafrost plateaus. Thawing of these mounds creates thermokarst lakes, which are particularly abundant in Nunavik, east of the Hudson Bay area. The inception of the permafrost in mounds and their growth are regulated by climate conditions, by local Quaternary geology and by environmental factors such as topography, vegetation, snow cover and surface humidity. Variable sizes and morphology of the permafrost mounds can be attributed to local factors that affect the ice segregation process, particularly the supply of water needed for ice‐lens growth and grain‐size composition of the soil into which aggradation takes place. Computer image analysis of CT scans on high quality cores obtained from permafrost mounds and plateaus of various shapes reveal that the ice layer sequences and permafrost internal structure vary with landform types. A relationship therefore exists between different morphological type within a family of landforms and their microscale internal structure. Copyright © 2007 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)0,000
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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,245
Écart entre enseignants0,224 · 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

Citations69
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarth Surface Processes and LandformsMême sujetClimate change and permafrostTravaux en français237 207