MétaCan
Menu
Retour à la cohorte
Enregistrement W3017253669 · doi:10.1017/jog.2020.22

Explaining mass balance and retreat dichotomies at Taku and Lemon Creek Glaciers, Alaska

2020· article· en· W3017253669 sur OpenAlexfundno aff
Christopher McNeil, S. O’Neel, Michael G. Loso, Mauri Pelto, Louis Sass, Emily H. Baker, Seth Campbell

Notice bibliographique

RevueJournal of Glaciology · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological SurveyArctic Institute of North America
Mots-clésGlacierGlacier mass balanceGeologyPhysical geographyTidewater glacier cycleClimate changeBalance (ability)SurgeClimatologyGeomorphologyGeographyOceanographyIce calving

Résumé

récupéré en direct d'OpenAlex

Abstract We reanalyzed mass balance records at Taku and Lemon Creek Glaciers to better understand the relative roles of hypsometry, local climate and dynamics as mass balance drivers. Over the 1946–2018 period, the cumulative mass balances diverged. Tidewater Taku Glacier advanced and gained mass at an average rate of +0.25 ± 0.28 m w.e. a–1, contrasting with retreat and mass loss of −0.60 ± 0.15 m w.e. a−1 at land-terminating Lemon Creek Glacier. The uniform influence of regional climate is demonstrated by strong correlations among annual mass balance and climate data. Regional warming trends forced similar statistically significant decreases in surface mass balance after 1989: −0.83 m w.e. a–1 at Taku Glacier and −0.81 m w.e. a–1 at Lemon Creek Glacier. Divergence in cumulative mass balance arises from differences in glacier hypsometry and local climate. Since 2013 negative mass balance and glacier-wide thinning prevailed at Taku Glacier. These changes initiated terminus retreat, which could increase dramatically if calving begins. The future mass balance trajectory of Taku Glacier hinges on dynamics, likely ending the historic dichotomy between these glaciers.

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)0,001
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 enseignants0,096
Score d'incertitude au seuil0,191

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 Opus0,023
Tête enseignante GPT0,213
Écart entre enseignants0,191 · 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

Citations32
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of GlaciologyMême sujetCryospheric studies and observationsTravaux en français237 207