An Overview of Glaciers Distribution in the Nepal Himalaya
Notice bibliographique
Résumé
Correction: On 7th September 2015, Pei Wang was included as an author on this paper. He was omitted from the paper by mistake. John W. Pomeroy was removed as an author of the paper but was included in the Acknowledgements of the paper (p.26)Abstract:Glaciers in the Himalayas are the important resource for fresh water. Continuous releases of the water from these glaciers make an important contribution to the drinking water, agriculture, and hydropower supply of densely populated regions in south and central Asia. Glaciers are not only a necessity for the survival of the people living in the low lying areas but also for their prosperity. Therefore, special attention should be given to detail research in the distribution of the glaciers in the Himalayan region and its surroundings. Physical parameters of glaciers area, length, depth, elevation profiles were analyzed based on the data provided by WGMS and NSIDC (1989), which was updated in 2012. Machhapuchhre, Thyangbo, Cho Oyu, Taweche, Setta, Tingbo and Kanchanjanga glaciers were found as the smallest glaciers in terms of area (<1km2), mean length (< 2km) and mean depth (40m) in the Nepal Himalaya. Langtang Ngojumba, Barun and Yalung glaciers were found as the largest glaciers in terms of area (>50km2). Large difference between start and end elevation point of glaciers of Khumbu, Ngojumba, Imja, Langtang indicates coverage area profiles are large and located in steep slopes of the Nepal Himalaya, which may result in linear erosions and avalanches. This paper also discusses about the Glacier Lake Outburst Flood (GLOF) in the Himalayan region.HYDRO NEPAL Journal of Water, Energy and EnvironmentIssue No. 13, July 2013Page:20-27 Uploaded date: 3/12/2014
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».