MétaCan
Menu
← Retour à la cohorte
Enregistrement W3171807120 · doi:10.5194/egusphere-egu21-14048

Vertical distribution of excess ice in icy sediments and its statistical estimation from geotechnical data (Tuktoyaktuk Coastlands, Northwest Territories)

2021· article· en· W3171807120 sur OpenAlexaffabout
A Castagner, Stephan Gruber, Alexander Brenning

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPermafrostBoreholeGeologyArcticThermokarstPhysical geographyFluvialSubsidenceGeomorphologyHydrology (agriculture)OceanographyGeotechnical engineeringGeographyStructural basin

Résumé

récupéré en direct d'OpenAlex

Excess ice can be found in the form of massive ice and within icy sediments and is an important variable to quantify as it strongly influences the geomorphic response of landscapes to permafrost thaw. The melting of excess ice in the Western Canadian Arctic has led to thaw subsidence and an increase in the number and size of thaw slumps observed across the Northwest Territories which cause issues to Northern infrastructure and affect fluvial and lacustrine watersheds. The Inuvik-Tuktoyaktuk Highway (ITH) is the first all-weather road to reach the Canadian Arctic Coast and its planning and construction has resulted in a significant cryostratigraphic dataset of 566 boreholes, which forms the basis of this contribution. Although visible ice is often recorded in boreholes, it is not a reliable measure of excess ice content on its own and there is currently no reliable method to estimate the excess ice content of boreholes based on commonly available geotechnical data. In this study, a 16-borehole subset of the ITH dataset for which samples were processed for volumetric excess ice content is used to train a beta regression model that predicts the excess ice content of stratigraphic intervals in the study area based on interval depth, visible ice content, surficial geology, and material types. The resulting predictions are compared to recorded massive ice intervals in the same boreholes and show that excess ice within icy sediments can significantly contribute to potential thaw strain and should be considered alongside massive ice when making thaw strain estimates.

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 enseignants0,400
Score d'incertitude au seuil0,805

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
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 Opus0,046
Tête enseignante GPT0,286
Écart entre enseignants0,239 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetClimate change and permafrost→Travaux en français237 207→