An Arctic watershed observatory at Lake Peters, Alaska: weather–glacier–river–lake system data for 2015–2018
Notice bibliographique
Résumé
Abstract. Datasets from a 4-year monitoring effort at Lake Peters, a glacier-fed lake in Arctic Alaska, are described and presented with accompanying methods, biases, and corrections. Three meteorological stations documented air temperature, relative humidity, and rainfall at different elevations in the Lake Peters watershed. Data from ablation stake stations on Chamberlin Glacier were used to quantify glacial melt, and measurements from two hydrological stations were used to reconstruct continuous discharge for the primary inflows to Lake Peters, Carnivore and Chamberlin creeks. The lake's thermal structure was monitored using a network of temperature sensors on moorings, the lake's water level was recorded using pressure sensors, and sedimentary inputs to the lake were documented by sediment traps. We demonstrate the utility of these datasets by examining a flood event in July 2015, though other uses include studying intra- and inter-annual trends in this weather–glacier–river–lake system, contextualizing interpretations of lake sediment cores, and providing background for modeling studies. All DOI-referenced datasets described in this paper are archived at the National Science Foundation Arctic Data Center at the following overview web page for the project: https://arcticdata.io/catalog/view/urn:uuid:df1eace5-4dd7-4517-a985-e4113c631044 (last access: 13 October 2019; Kaufman et al., 2019f).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».