MétaCan
Menu
Retour à la cohorte
Enregistrement W2793066906 · doi:10.1002/2017jf004409

Dynamics of Active Subglacial Lakes in Recovery Ice Stream

2018· article· en· W2793066906 sur OpenAlexafffund
Christine F. Dow, Mauro Werder, G. S. Babonis, Sophie Nowicki, R. T. Walker, B. M. Csathó, Mathieu Morlighem

Notice bibliographique

RevueJournal of Geophysical Research Earth Surface · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Sleep FoundationNational Aeronautics and Space Administration
Mots-clésGeologyHydrology (agriculture)DrainageIce streamGeomorphologyCryosphereSea iceOceanography

Résumé

récupéré en direct d'OpenAlex

Recovery Ice Stream has a substantial number of active subglacial lakes that are observed, with satellite altimetry, to grow and drain over multiple years. These lakes store and release water that could be important for controlling the velocity of the ice stream. We apply a subglacial hydrology model to analyze lake growth and drainage characteristics together with the simultaneous development of the ice stream hydrological network. Our outputs produce a good match between modeled lake location and those identified using satellite altimetry for many of the lakes. The modeled subglacial system demonstrates development of pressure waves that initiate at the ice stream neck and transit to within 100 km of the terminus. These waves alter the hydraulic potential of the ice stream and encourage growth and drainage of the subglacial lakes. Lake drainage can cause large R-channels to develop between basal overdeepenings that persist for multiple years. The pressure waves, along with lake growth and drainage rates, do not identically repeat over multiple years, due to basal network development. This suggests that the subglacial hydrology of Recovery Ice Stream is influenced by regional drainage development on the scale of hundreds of kilometers rather than local conditions over tens of kilometers.

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)0,001
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 enseignants0,146
Score d'incertitude au seuil0,971

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,041
Tête enseignante GPT0,310
Écart entre enseignants0,269 · 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

Citations39
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Earth SurfaceMême sujetCryospheric studies and observationsTravaux en français237 207