MétaCan
Menu
Retour à la cohorte
Enregistrement W2801962875 · doi:10.1029/2017gl076752

Assessment of the Barren Ground Caribou Die‐off During Winter 2015–2016 Using Passive Microwave Observations

2018· article· en· W2801962875 sur OpenAlexafffundabout
Caroline Dolant, Benoît Montpetit, Alexandre Langlois, Ludovic Brucker, Olga Zolina, Cheryl A. Johnson, Alain Royer, Paul A. Smith

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensEnvironment and Climate Change CanadaCenter for Northern StudiesUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistry of Education and Science of the Russian FederationPolar Knowledge CanadaEnvironment and Climate Change CanadaNational Aeronautics and Space Administration
Mots-clésSnowWinter stormEnvironmental scienceArcticStormClimatologySpring (device)Atmospheric sciencesPhysical geographyOceanographyGeologyGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract In summer 2016, more than 50 Arctic Barren Ground caribous were found dead on Prince Charles Island (Nunavut, Canada), a species recently classified as threatened. Neither predator nor sign of diseases was observed and reported. The main hypothesis is that caribous were not able to access food due to a very dense snow surface, created by a strong storm system in spring. Using satellite microwave data, a significant increase in brightness temperature polarization ratio at 19 and 37 GHz was observed in spring 2016 (60% higher than previous two winter seasons). Based on microwave radiative transfer simulations, such anomaly can be explained with a very dense snow surface. This is consistent with the succession of storms and strong winds highlighted in ERA‐Interim over Prince Charles Island in spring 2016. Using several sources of data, this study shows that changes in snow conditions explain the caribou die‐off due to restricted foraging.

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 enseignants0,116
Score d'incertitude au seuil0,232

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
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,103
Tête enseignante GPT0,347
Écart entre enseignants0,244 · 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

Citations33
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetClimate change and permafrostTravaux en français237 207