ArcticNet 2021 Annual Scientific Meeting Abstracts
Notice bibliographique
Résumé
There has been a recent focus on Greenlandic fjord oceanography as half of this island's contribution to sea level rise comes from submarine melting and ice discharge at tidewater glaciers. However, in the Canadian High Arctic, the role of fjords is not well understood, in part because of the lack of oceanic measurements. Two main oceanographic processes occur at the termini of tidewater glaciers during summer. The release of water produced by glacial meltwater runoff that finds its way to the bottom of the glacier is known as subglacial discharge, whereas submarine melting is the direct melting of the glacier by the ocean water. Quantifying subglacial discharge and submarine melting is critical to understanding fjord oceanography and cryospheric change in the catchment. This is typically done by comparing a temperatureconductivity-depth (CTD) profile close to the glacier with one that represents ambient oceanographic conditions farther offshore. Here, we develop a technique to depth-correct the ambient profiles to account for buoyancy difference following mixing with meltwater. Our results show that the standard method for comparing to ambient profiles may underestimate the amount of meltwater by up to 30%. We subsequently use eight years of water profiles taken in Milne Fiord, Nunavut (80.6N, 82.5W) to demonstrate the technique and investigate subglacial discharge and submarine melting in this fjord. The results show that both the amount of subglacial discharge and submarine melting meltwater are correlated to the amount of positive degree days (PDD).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».