MétaCan
Menu
← Retour à la cohorte
Enregistrement W2763605700 · doi:10.1038/s41467-017-01273-1

Enhanced ice sheet melting driven by volcanic eruptions during the last deglaciation

2017· article· en· W2763605700 sur OpenAlexaff
Francesco Muschitiello, Francesco S. R. Pausata, J. Lea, Douglas Mair, Barbara Wohlfarth

Notice bibliographique

RevueNature Communications · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesLamont-Doherty Earth Observatory, Columbia UniversityVetenskapsrådet
Mots-clésIce sheetGreenland ice sheetDeglaciationGeologyCryosphereIce-sheet modelIce coreVolcanoEarth scienceVolcanic ashSnowpackClimatologyPhysical geographyAtmospheric sciencesGlacial periodSnowIce streamSea iceOceanographyGeomorphologyGeochemistryGeography

Résumé

récupéré en direct d'OpenAlex

Volcanic eruptions can impact the mass balance of ice sheets through changes in climate and the radiative properties of the ice. Yet, empirical evidence highlighting the sensitivity of ancient ice sheets to volcanism is scarce. Here we present an exceptionally well-dated annual glacial varve chronology recording the melting history of the Fennoscandian Ice Sheet at the end of the last deglaciation (∼13,200-12,000 years ago). Our data indicate that abrupt ice melting events coincide with volcanogenic aerosol emissions recorded in Greenland ice cores. We suggest that enhanced ice sheet runoff is primarily associated with albedo effects due to deposition of ash sourced from high-latitude volcanic eruptions. Climate and snowpack mass-balance simulations show evidence for enhanced ice sheet runoff under volcanically forced conditions despite atmospheric cooling. The sensitivity of past ice sheets to volcanic ashfall highlights the need for an accurate coupling between atmosphere and ice sheet components in climate models.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,295
Écart entre enseignants0,275 · 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

Citations39
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature Communications→Même sujetGeology and Paleoclimatology Research→Travaux en français237 207→