MétaCan
Menu
Retour à la cohorte
Enregistrement W2809376955 · doi:10.2166/nh.2018.184

Swings in runoff at Polar Bear Pass: an extensive low-gradient wetland, Bathurst Island, Canada

2018· article· en· W2809376955 sur OpenAlexaffabout
Kathy L. Young

Notice bibliographique

RevueHydrology research · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésSnowmeltSurface runoffArcticEnvironmental scienceHydrology (agriculture)MeltwaterWatershedSnowpackSnowStreamflowContext (archaeology)ClimatologyPhysical geographyDrainage basinGeologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Hydrologic studies in northern landscapes indicate there is a critical need to explore how arctic stream discharge patterns and water budgets may be shifting in response to climate warming. The focus of this study was to: (1) assess the pattern of runoff out of Polar Bear Pass, a low-gradient watershed (75°40′N, 98°30′W), during two contrasting spring/summer seasons: 2012 (warm, early melt) versus 2013 (cool, late melt); (2) quantify the seasonal water budgets; and (3) place these results in the context of other arctic basin studies. The end-of-winter snowpack was quantified using a terrain-based approach. A physically based snowmelt model using local weather station data provided daily melt estimates. Streamflow at the eastern outlet was estimated using the mid-section velocity approach. Snow water equivalent (SWE) was higher in 2013 while snowmelt began and ended earlier in 2012. Stream hydrographs showed a rapid rise in flow driven by meltwater from the northern part of the Pass in 2012. This was followed by a series of secondary peaks, melt contributions from the southern end. In 2013, the largest runoff peaks came from the southern sector. Runoff ratios and water budgets varied between the two years, and runoff in 2013 was similar to High Arctic watersheds in the early 1970s.

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 enseignants0,015
Score d'incertitude au seuil0,086

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,034
Tête enseignante GPT0,276
Écart entre enseignants0,242 · 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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrology researchMême sujetCryospheric studies and observationsTravaux en français237 207