MétaCan
Menu
Retour à la cohorte
Enregistrement W3131456976 · doi:10.1017/qua.2020.126

Holocene ice wedge formation in the Eureka Sound Lowlands, high Arctic Canada

2021· article· en· W3131456976 sur OpenAlexaffabout
Kethra Campbell-Heaton, Denis Lacelle, David Fisher, Wayne H. Pollard

Notice bibliographique

RevueQuaternary Research · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensMcGill UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPermafrostGeologyIce wedgeHoloceneSnowArcticSea iceSnowmeltOceanographyArctic ice packPeatGeomorphologyPeninsulaPhysical geography

Résumé

récupéré en direct d'OpenAlex

Abstract Ice wedges are ubiquitous periglacial features in permafrost terrain. This study investigates the timing of ice wedge formation in the Fosheim Peninsula (Ellesmere and Axel Heiberg Islands). In this region, ice wedge polygons occupy ~50% of the landscape, the majority occurring below the marine limit in the Eureka Sound Lowlands. Numerical simulations suggest that ice wedges may crack to depths of 2.7–3.6 m following a rapid cooling of the ground over mean winter surface temperatures of −18°C to −38°C, corresponding to the depth of ice wedges in the region. The dissolved organic carbon (DOC)/Cl molar ratios suggest that the DOC in the ice wedges is sourced from snowmelt and not from leaching of the active layer. Based on 3214CDOCmeasurements from 15 ice wedges, the wedges were likely developing between 9000–2500 cal yr BP. This interval also corresponds to the period of peat accumulation in the region, a proxy of increased moisture. Considering that winter air temperatures remained favorable for ice wedge growth throughout the Holocene, the timing of ice wedge formation reflects changes in snowfall. Overall, this study provides the first reconstruction of ice wedge formation from a high Arctic polar desert environment.

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)0,000
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 enseignants0,139
Score d'incertitude au seuil0,279

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,000
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 Opus0,121
Tête enseignante GPT0,321
Écart entre enseignants0,199 · 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

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuaternary ResearchMême sujetClimate change and permafrostTravaux en français237 207