MétaCan
Menu
← Retour à la cohorte
Enregistrement W3121406168 · doi:10.1073/pnas.2101255118

Arctic soil patterns analogous to fluid instabilities

2021· article· en· W3121406168 sur OpenAlexaff
Rachel Glade, Michael M. Fratkin, Mehdi Pouragha, Ali Seiphoori, J. C. Rowland

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensCarleton University
Organismes subventionnairesU.S. Department of Energy
Mots-clésArcticMars Exploration ProgramCohesion (chemistry)Soil waterSoil scienceEnvironmental scienceEarth scienceGeologyPhysicsAstrobiologyOceanography

Résumé

récupéré en direct d'OpenAlex

Slow-moving arctic soils commonly organize into striking large-scale spatial patterns called solifluction terraces and lobes. Although these features impact hillslope stability, carbon storage and release, and landscape response to climate change, no mechanistic explanation exists for their formation. Everyday fluids-such as paint dripping down walls-produce markedly similar fingering patterns resulting from competition between viscous and cohesive forces. Here we use a scaling analysis to show that soil cohesion and hydrostatic effects can lead to similar large-scale patterns in arctic soils. A large dataset of high-resolution solifluction lobe spacing and morphology across Norway supports theoretical predictions and indicates a newly observed climatic control on solifluction dynamics and patterns. Our findings provide a quantitative explanation of a common pattern on Earth and other planets, illuminating the importance of cohesive forces in landscape dynamics. These patterns operate at length and time scales previously unrecognized, with implications toward understanding fluid-solid dynamics in particulate systems with complex rheology.

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)0,000
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
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 Opus0,044
Tête enseignante GPT0,287
Écart entre enseignants0,243 · 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

Citations22
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of Sciences→Même sujetGeology and Paleoclimatology Research→Travaux en français237 207→