MétaCan
Menu
Retour à la cohorte
Enregistrement W4214920161 · doi:10.15356/2071-9388_03v06_2013_02

ICE EFFECT ON COAST AND SEABED IN BAYDARATSKAYA BAY, KARA SEA

2013· article· en· W4214920161 sur OpenAlexafffund
Stanislav Ogorodov, В. В. Архипов, Osip Kokin, Aleksey Marchenko, Donald L. Forbes

Notice bibliographique

RevueGEOGRAPHY ENVIRONMENT SUSTAINABILITY · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and environmental studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesArcticNet
Mots-clésBayOceanographySeabedGeologySea ice

Résumé

récupéré en direct d'OpenAlex

For the engineering design of underwater pipelines and communication cables in freezing seas, reliable estimates of the frequency and penetration depth of ice-keel scour on the seabed and shoreface are required. Underestimation of ice gouging intensity on the seabed can lead to the infrastructure damage, while overestimation leading to excessive burial depth raises the cost of construction. Here we present results from recent studies of ice gouge morphology in Baydaratskaya Bay, Kara Sea. The direct impact of ice gouging by floes on the seabed and shores is described, generalized and systematized: the depth of the gouges varies from the first centimeters up to 2 m; the most intensive ice gouging is observed near the fast ice rim, due to the maximum impact executed by ice ridges frozen into large floe. We propose a zonation of Baydaratskaya Bay based on the types of ice formation and the intensity of ice impacts on the coasts and sea floor.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,066
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,003
Tête enseignante GPT0,166
Écart entre enseignants0,164 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGEOGRAPHY ENVIRONMENT SUSTAINABILITYMême sujetMarine and environmental studiesTravaux en français237 207