MétaCan
Menu
Retour à la cohorte
Enregistrement W2986683100 · doi:10.1017/jog.2019.80

Meltwater percolation, impermeable layer formation and runoff buffering on Devon Ice Cap, Canada

2019· article· en· W2986683100 sur OpenAlexaffabout
David W. Ashmore, Douglas Mair, David Burgess

Notice bibliographique

RevueJournal of Glaciology · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensNatural Resources Canada
Organismes subventionnairesUniversity of LiverpoolNational Science Foundation
Mots-clésMeltwaterGeologySnowpackFirnSea iceMelt pondPercolation (cognitive psychology)Ice streamArcticSnowArctic ice packGeomorphologyIce sheetSurface runoffAntarctic sea iceCryosphereClimatologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract The retention of meltwater in the accumulation area of the Greenland ice sheet and other Arctic ice masses buffers their contribution to sea level change. However, sustained warming also results in impermeable ice layers or ‘ice slabs’ that seal the underlying pore space. Here, we use a 1-D, physically based, high-resolution model to simulate the surface mass balance (SMB), percolation, refreezing, ice layer formation and runoff from across the high-elevation area of Devon Ice Cap, Canada, from 2001 to 2016. We vary the thickness of the ‘impermeable’ ice layer at which underlying firn becomes inaccessible to meltwater. Thick near-surface ice layers are established by an initial deep percolation, the formation of decimetre ice layers and the infilling of interleaving pore space. The cumulative SMB increases by 48% by varying impermeable layer thickness between 0.01 and 5 m. Within this range we identify narrower range (0.25–1 m) that can simulate both the temporal variability in SMB and the observed near-surface density structure. Across this range, cumulative SMB variation is limited to 6% and 45–49% of mass retention takes place within the annually replenished snowpack. Our results indicate cooler summers after intense mid-2000s warming have led to a partial replenishment of pore space.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,229
Score d'incertitude au seuil0,932

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,190
Écart entre enseignants0,179 · 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

Citations16
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of GlaciologyMême sujetCryospheric studies and observationsTravaux en français237 207