MétaCan
Menu
Retour à la cohorte
Enregistrement W2124470438 · doi:10.1080/10889370009377689

Hydrological and meteorological observations at Lake Tuborg, Ellesmere Island, Nunavut, Canada

2000· article· en· W2124470438 sur OpenAlexaboutno aff
Carsten Braun, Douglas R. Hardy, Raymond S. Bradley, Michael J. Retelle

Notice bibliographique

RevuePolar Geography · 2000
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSnowmeltMeltwaterArcticSurface runoffSnowEnvironmental scienceSedimentHydrology (agriculture)PrecipitationWatershedStreamflowWater yearPermafrostClimate changeSlushPhysical geographyClimatologyOceanographyGeologyDrainage basinGeomorphologyMeteorologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Hydrological and meteorological observations at Lake Tuborg, Ellesmere Island, Nunavut, Canada in 1995 are used to investigate contemporary water and sediment transport processes. Here we describe a new environmental data set for the High Arctic, where such data are scarce. The studied watershed (∼460 km2) ranges in elevation between 63 and ∼1900 m asl and is 88% covered by a lobe of the Agassiz Ice Cap. Streamflow and sediment transport were strongly associated with snowmelt runoff, whereas the direct influence of summer precipitation events was negligible. Snowmelt was primarily controlled by synoptic‐scale climatic processes. Two high‐magnitude pulses of meltwater and slush contributed a significant portion of the measured suspended sediment load to Lake Tuborg. Such events may be associated each year with snowmelt along the Agassiz Ice Cap margin. Additional years of data collection are needed to define the annual and inter‐annual variability of the sediment delivery system, particularly with respect to the relative importance of summer rainfall events. Runoff and sediment transport to Lake Tuborg are very likely to increase under climatic warming conditions.

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 enseignants0,599
Score d'incertitude au seuil0,939

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)0,0620,000

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 Opus0,022
Tête enseignante GPT0,200
Écart entre enseignants0,178 · 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

Citations12
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolar GeographyMême sujetClimate change and permafrostTravaux en français237 207