MétaCan
Menu
← Retour à la cohorte
Enregistrement W4221050910 · doi:10.5194/egusphere-egu22-1838

Arctic Warming: A Perspective from the Underground

2022· preprint· en· W4221050910 sur OpenAlexaff
Francisco José Cuesta‐Valero, Hugo Beltrami, Almudena García‐García, Fernando Jaume-Santero, Stephan Gruber

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensCarleton UniversitySt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésPermafrostArcticContext (archaeology)Environmental scienceSubsurface flowClimatologyThe arcticLatent heatGlobal warmingClimate changeSoil waterAtmospheric sciencesGroundwaterHydrology (agriculture)OceanographyGeologySoil scienceMeteorologyGeographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The thermal regime of the Arctic subsurface is important, for example, in the context of greenhouse-gas release from thawing permafrost soils. Measurements of Arctic subsurface temperatures, however, are scarce and limited in time, with virtually no observations over climatological time scales. We address this gap in knowledge by estimating the long-term evolution of subsurface temperatures in the Arctic (north of 60ºN) since 1600 Common Era (CE) to the present using 110 deep subsurface temperature profiles. The Arctic subsurface has warmed by 1.7±0.8 ºC during 1970-2000 CE. These estimates are conservative, as the effects of latent heat are not included in the analysis. Although there are significant spatial variations, the Arctic subsurface is warming faster than the global land surface and subsurface (1.2±0.2 ºC) during the same period. Uncertainties in this analysis arise mostly from deficient knowledge about the subsurface physical properties and limited data coverage.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,278
Écart entre enseignants0,203 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate change and permafrost→Travaux en français237 207→