Rise of Great Lakes Surface Water, Sinking of the Upper Midwest of the United States, and Viscous Collapse of the Forebulge of the Former Laurentide Ice Sheet
Notice bibliographique
Résumé
Abstract Great Lakes water levels rose 0.7–1.5 m from 2013 to 2019, increasing surface water volume by 285 km 3 . Solid Earth's elastic response to the increased mass load is nearly known: The Great Lakes floor fell 8–23 mm, and the adjacent land fell 3–14 mm. Correcting GPS measurements for this predicted elastic loading (1) straightens position‐time series, making the evolution of position more nearly a constant velocity and (2) reduces estimates of subsidence rate in Wisconsin, Michigan, and southern Ontario by 0.5–2 mm/yr, improving constraints on postglacial rebound. GPS records Wisconsin and Michigan to have subsided at 1–4 mm/yr. We find this sinking to be produced primarily by viscous collapse of the former Laurentide ice sheet forebulge and secondarily by elastic Great Lakes loading. We infer water on land in the Great Lakes watershed to be total water change observed by GRACE minus Great Lakes surface water smeared by a Gaussian distribution. Water stored on land each year reaches a maximum in March, 6 months before Great Lakes water levels peak in September. The seasonal oscillation of water on land in the Great Lakes basin, 100 km 3 (0.20 m water thickness), is twice that in a hydrology model. In the seasons, groundwater in the Great Lakes watershed increases by 60 km 3 (0.12 m) each autumn and winter and decreases by roughly an equivalent amount each spring and summer. In the long term, groundwater volume remained constant from 2004 to 2012 but increased by 50 km 3 (0.10 m) from 2013 to 2019.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».