MétaCan
Menu
Retour à la cohorte
Enregistrement W2798096542 · doi:10.1139/as-2017-0024

Reduced sea ice protection period increases storm exposure in Kivalina, Alaska

2018· article· en· W2798096542 sur OpenAlexvenueaboutno aff
Zhanpei Fang, Patrick T. Freeman, Christopher B. Field, Katharine J. Mach

Notice bibliographique

RevueArctic Science · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesBureau of Indian AffairsU.S. Army Corps of EngineersAlexander von Humboldt-Stiftung
Mots-clésStormEnvironmental scienceFlooding (psychology)ArcticErosionOceanographyClimatologyStorm surgeGeology

Résumé

récupéré en direct d'OpenAlex

On Arctic coasts, erosion is limited by the presence of nearshore sea ice, which creates a protective barrier from storms. In Kivalina, an Alaskan Inupiaq Inuit community, decreasing seasonal sea ice extent and a lengthening of the open-water season may be resulting in fall storms that (1) generate higher, longer, and more destructive waves and (2) cause damage later in the year, resulting in increased flooding and erosion. We assess trends in the duration of nearshore sea ice and their relationship with storm occurrence over the period 1979–2015 in Kivalina. Analysis of passive microwave sea ice concentration data indicates that the open-water season has increased by 5.6 ± 1.2 days/decade over the last 37 years, with moderate evidence that it is extending further into the fall than into the spring. This is correlated with an increased reporting frequency of high-damage storms; 80% of reported storms since 1970 occurred in the last 15 years. Each high-damage storm event occurred during the open-water season for that year. Our findings support Kivalina villagers’ assertions that climate change increases storm exposure and associated damages from flooding and erosion.

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)0,001
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 enseignants0,100
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
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 Opus0,015
Tête enseignante GPT0,227
Écart entre enseignants0,212 · 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

Citations28
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207