MétaCan
Menu
Retour à la cohorte
Enregistrement W2790792210 · doi:10.1139/as-2017-0016

Snow cover variability at Polar Bear Pass, Nunavut

2018· article· en· W2790792210 sur OpenAlexaffvenueabout
Kathy L. Young, Laura C. Brown, Claude Labine

Notice bibliographique

RevueArctic Science · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensCampbell Scientific (Canada)University of TorontoYork University
Organismes subventionnairesnon disponible
Mots-clésSnowSnow coverSnowmeltSnow lineTerrainSnow fieldPhysical geographyArcticRange (aeronautics)Environmental scienceGeologyClimatologyGeographyOceanographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Information on arctic snow covers is relevant for climate and hydrology studies and investigations into the sustainability of both arctic fauna and flora. This study aims to (1) highlight the variability of snow cover at Polar Bear Pass (PBP) at a range of scales: point, local, and regional using both in situ snow cover measurements and remote sensing imagery products; and (2) consider how snow cover at PBP might change in the future. Terrain-based snow surveys documented the end-of-winter snowpacks over several seasons (2008–2010, 2012–2013), and snowmelt was measured daily at typical terrain types. MODIS products (snow cover) were used to document spatial snow cover variability across PBP and Bathurst and Cornwallis Islands. Due to limited data, no significant difference in snow cover duration can be identified at PBP over the period of record. Locally, end-of-winter snow cover does vary across a range of terrain types with snow depths and densities reflecting polar oasis sites. Aspect remains a defining factor in terms of snow cover variability at PBP. Northern areas of the Pass melt earlier. Regionally, PBP tends to melt out earlier than most of Bathurst Island. In the future, we surmise that snowpacks at PBP will be thinner and disappear earlier.

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 enseignants0,288
Score d'incertitude au seuil0,578

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,229
Écart entre enseignants0,210 · 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

Citations37
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetCryospheric studies and observationsTravaux en français237 207