MétaCan
Menu
Retour à la cohorte
Enregistrement W2159234944 · doi:10.3189/002214310794457254

Identification and characterization of alpine subglacial lakes using interferometric synthetic aperture radar (InSAR): Brady Glacier, Alaska, USA

2010· article· en· W2159234944 sur OpenAlexafffund
Denny M. Capps, Bernhard Rabus, John J. Clague, D. H. Shugar

Notice bibliographique

RevueJournal of Glaciology · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEuropean Space Agency
Mots-clésGlacierGeologyInterferometric synthetic aperture radarSynthetic aperture radarGeomorphologySubsidencePhysical geographyGlacier mass balanceRadarTidewater glacier cycleRemote sensingIce calvingStructural basinGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The temporary storage and subsequent release of water at glacial margins can cause severe flooding in downstream areas and substantially impact glacier dynamics. Alpine subglacial lakes may not be identified until they become subaerially exposed or release a jokulhlaup. We use interferometric synthetic aperture radar (InSAR) to identify and characterize three dynamic alpine subglacial lakes of Brady Glacier, Alaska, USA. We quantify changes in vertical displacement of the glacier surface and lake volumes from September 1995 through March 1996 using European Remote-sensing Satellite-1/-2 (ERS- 1/-2) tandem data. In the autumn, subsidence ranged from 4 to 26cmd -1 and the volume of water discharged ranged from 22 000 ± 2000 to 243 000 ± 14 000m 3 d -1 . Subsidence and discharge rates declined significantly during the winter and continued at a lesser rate through March. Application of this technique may allow researchers to locate alpine subglacial lakes years or decades before they begin to release hazardous outburst floods and substantially impact glacier dynamics.

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 enseignants0,268
Score d'incertitude au seuil0,506

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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · 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

Citations32
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of GlaciologyMême sujetCryospheric studies and observationsTravaux en français237 207