Glacial erosion: controls and global distribution
Notice bibliographique
Résumé
Glacial erosion has often been parameterized as proportional to glacier sliding velocity, while the role played by local geology, hydrology and climate remain largely unquantified. As a result, our understanding of the links between global climate, tectonics and glacial erosion is limited. To address this shortcoming, we present a comprehensive synthesis of previously published Quaternary glacial erosion rates from six different measurement techniques integrated over 10-2 to 106 years: (i) instrumental measurements beneath active glaciers, (ii) sediment fluxes derived from meltwater streams or (iii) ice-marginal deposits, (iv) terrestrial cosmogenic nuclide dating (TCN), (vi) luminescence thermochronometry, and (v) relief generation of chronologically constrained surfaces. Our synthesis includes 1065 empirical data points and 465 erosion rates from ice sheets, ice caps, and topographically confined glaciers that range over six orders of magnitude, between 10-4 and 100 mm yr-1. Using a filtered dataset of contemporary erosion rates, we apply machine learning tools, using available environmental, glaciological, and geological datasets to assess the dominant controls on subgroups of nominal data categories. On a global scale, while glacial sliding velocity is an important control, we also discover equally strong or stronger correlations between other glaciological, environmental, and lithological parameters and glacial erosion rate, some of which have not been previously documented.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».