MétaCan
Menu
Retour à la cohorte
Enregistrement W2784252378 · doi:10.1002/2017gl076333

Causes of Glacier Melt Extremes in the Alps Since 1949

2018· article· en· W2784252378 sur OpenAlexaff
Emmanuel Thibert, Pascal Dkengne Sielenou, Vincent Vionnet, Nicolas Eckert, Christian Vincent

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesInstitut national des sciences de l'UniversCenter for Neuroscience and Regenerative MedicineAgence Nationale de la Recherche
Mots-clésGlacierLatent heatClimatologySnowEnergy balanceEnvironmental scienceSensible heatHeat waveGlacier mass balanceTerm (time)Atmospheric sciencesGeologyClimate changeMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Recent record‐breaking glacier melt values are attributable to peculiar extreme events and long‐term warming trends that shift averages upward. Analyzing one of the world's longest mass balance series with extreme value statistics, we show that detrending melt anomalies makes it possible to disentangle these effects, leading to a fairer evaluation of the return period of melt extreme values such as 2003, and to characterize them by a more realistic bounded behavior. Using surface energy balance simulations, we show that three independent drivers control melt: global radiation, latent heat, and the amount of snow at the beginning of the melting season. Extremes are governed by large deviations in global radiation combined with sensible heat. Long‐term trends are driven by the lengthening of melt duration due to earlier and longer‐lasting melting of ice along with melt intensification caused by trends in long‐wave irradiance and latent heat due to higher air moisture.

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)0,001
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 enseignants0,173
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,079
Tête enseignante GPT0,318
Écart entre enseignants0,239 · 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

Citations62
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetCryospheric studies and observationsTravaux en français237 207