Kinematic observations of the mountain cryosphere using in-situ GNSS instruments
Notice bibliographique
Résumé
Abstract. Permafrost warming is coinciding with accelerated mass movements, talking place especially in steep, mountainous topography. While this observation is backed up by evidence and analysis of both remote sensing as well as repeat terrestrial surveys undertaken since decades much knowledge is to be gained about the specific details, the variability and the processes governing these mass movements in the mountain cryosphere. This dataset collates data of continuously acquired kinematic observations obtained through in-situ Global Navigation Satellite Systems (GNSS) instruments that have been designed and implemented in a large-scale multi field-site monitoring campaign across the whole Swiss Alps. The landforms covered include rock glaciers, high-alpine steep bedrock bedrock as well as landslide sites, most of which are situated in permafrost areas. The dataset was acquired at 54 different stations situated at locations from 2304 to 4003 m a.s.l and comprises 209’948 daily positions derived through double-differential GNSS post-processing. Apart from these, the dataset contains down-sampled and cleaned time series of weather station and inclinometer data as well as the full set of GNSS observables in RINEX format. Furthermore the dataset is accompanied by tools for processing and data management in order to facilitate reuse, open alternate usage opportunities and support the life-long living data process with updates. To date this dataset has seen numerous use cases in research as well as natural-hazard mitigation and adaptation due to climate change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».