MétaCan
Menu
Retour à la cohorte
Enregistrement W3048602215 · doi:10.3390/w12082254

Physical Modelling of Arctic Coastlines—Progress and Limitations

2020· article· en· W3048602215 sur OpenAlexaff
Sophia Korte, Rebekka Gieschen, Jacob Stolle, Nils Goseberg

Notice bibliographique

RevueWater · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésPermafrostErosionCoastal erosionArcticClimate changeEnvironmental scienceAbrasion (mechanical)GeologyEarth scienceClimatologyPhysical geographyOceanographyGeomorphologyEngineeringGeographyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Permafrost coastlines represent a large portion of the world’s coastal area and these areas have become increasingly vulnerable in the face of climate change. The predominant mechanism of coastal erosion in these areas has been identified through several observational studies as thermomechanical erosion—a joint removal of sediment through the melting of interstitial ice (thermal energy) and abrasion from incoming waves (mechanical energy). However, further developments are needed looking how common design parameters in coastal engineering (such as wave height, period, sediment size, etc.) contribute to the process. This paper presents the current state of the art with the objective of establishing the necessary research background to develop a process-based approach to predicting permafrost erosion. To that end, an overarching framework is presented that includes all major, erosion-relevant processes, while delineating means to accomplish permafrost modelling in experimental studies. Preliminary modelling of generations zero and one models, within this novel framework, was also performed to allow for early conclusions as to how well permafrost erosion can currently be modelled without more sophisticated setups.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil0,298

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)0,0000,000

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 Opus0,139
Tête enseignante GPT0,247
Écart entre enseignants0,108 · 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'étudeSimulation ou modélisation
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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetClimate change and permafrostTravaux en français237 207