MétaCan
Menu
Retour à la cohorte
Enregistrement W2756742426 · doi:10.1002/jqs.2969

Resolving discrepancies between field and modelled relative sea‐level data: lessons from western Ireland

2017· article· en· W2756742426 sur OpenAlexaff
Robin Edwards, W. Roland Gehrels, Anthony Brooks, Ralph Fyfe, Katie Pullen, Joseph Kuchar, Kieran Craven

Notice bibliographique

RevueJournal of Quaternary Science · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesEnterprise IrelandNatural Environment Research CouncilSight Research UK
Mots-clésPost-glacial reboundGeologyIce sheetGlacial periodLimitingSea levelHolocenePhysical geographyIrish seaLast Glacial MaximumClimatologyGeodesyPaleontologyGeomorphologyOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Accurate reconstruction of Lateglacial and Holocene relative sea‐level (RSL) histories is complicated where mismatches exist between geological data and RSL curves generated by models of glacio‐isostatic adjustment (GIA). In Ireland, such discrepancies have profound implications for interpreting the glacial history of the British Isles and for the use of glacial rebound models to predict future sea‐level changes. To address this issue we present new RSL data from four sites along the western coast of Ireland, including 17 data points from the critical period before 5000 14 C a BP for which very few data are available. We generate new RSL simulations from an existing GIA model, incorporating a thickened Irish Ice sheet component. Simulated curves from Co. Mayo and Co. Donegal accommodate the higher than present Lateglacial RSL inferred from glaciomarine muds while still meeting the requirement for below present RSL indicated by the new terrestrial limiting data points. Relaxation of trimline constraints on maximum ice sheet thickness provides considerable scope for improved GIA performance. These results demonstrate inferences about RSL drawn from GIA modelling and glacio‐sedimentary data are not mutually exclusive, and represent a significant step towards resolving a long‐standing debate between the field‐based and modelling communities.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,013
Score d'incertitude au seuil0,872

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,003
Science ouverte0,0020,000
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 Opus0,192
Tête enseignante GPT0,373
Écart entre enseignants0,181 · 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

Citations14
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Quaternary ScienceMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207