MétaCan
Menu
Retour à la cohorte
Enregistrement W2500703720 · doi:10.1002/2016gl069558

Subglacial bed form morphology controlled by ice speed and sediment thickness

2016· article· en· W2500703720 sur OpenAlexafffund
Thomas E. Barchyn, Thomas Dowling, Chris R. Stokes, Chris H. Hugenholtz

Notice bibliographique

RevueGeophysical Research Letters · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesWestern Canada Research GridDurham UniversityCompute CanadaLunds UniversitetUniversity of Calgary
Mots-clésGeologyGeomorphologyMoraineLineationBedformIce streamDrumlinGlacierSedimentIce sheetSediment transportGeophysicsSea icePaleontologyCryosphereOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Subglacial bed forms (drumlins, ribbed moraines, and megascale glacial lineations) are enigmatic repetitive flow‐parallel and flow‐transverse landforms common in glaciated landscapes. Their evolution and morphology are a potentially powerful constraint for ice sheet modeling, but there is little consensus on bed form dynamics or formative mechanisms. Here we explore shallow sediment bed form dynamics via a simple model that iterates (i) down‐flow till flux, (ii) pressure gradient‐driven till flux, and (iii) entrainment and deposition of sediment. Under various boundary conditions, replicas of subglacial bed forms readily emerge. Bed form dynamics mirror those in subaqueous and aeolian domains. Transitions between ribbed moraines and elongate flow‐parallel bed forms are associated with increasing ice speeds and declining sediment thickness. These simulations provide quantitative flux estimates and suggest that widely observed transitions in shallow sediment subglacial bed forms (e.g., ribbed moraines to drumlinoids to megascale glacial lineations) are manifestations of subtle variations in ice velocity and sediment thickness.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

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
Bibliométrie0,0000,000
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 Opus0,024
Tête enseignante GPT0,286
Écart entre enseignants0,262 · 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

Citations45
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207