MétaCan
Menu
← Retour à la cohorte
Enregistrement W4225426159 · doi:10.5194/hess-2022-133

Assessing variability in snowmelt bypass among thermokarst lakes using water isotope tracers, Northwest Territories, Canada

2022· preprint· en· W4225426159 sur OpenAlexafffundabout
Evan J. Wilcox, Brent B. Wolfe, Philip Marsh

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsArcticNetAurora Research Institute
Mots-clésSnowmeltMeltwaterHydrology (agriculture)ThermokarstWatershedEnvironmental scienceGeologySnowPermafrostGeomorphologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. Snow represents the largest potential source of water for thermokarst lakes, but the runoff generated by snowmelt (freshet) can flow beneath lake ice and out of lakes without mixing with and replacing pre-snowmelt lake water. Although this phenomenon, called “snowmelt bypass”, is common in ice-covered lakes, it is unknown what lake and watershed properties cause variation in snowmelt bypass among lakes. Understanding the variability of snowmelt bypass is important because the amount of freshet that is mixed into a lake affects the limnological and biogeochemical properties of the lake. To explore lake and watershed attributes that influence snowmelt bypass, we sampled 17 open-drainage thermokarst lakes for isotope analysis before and after snowmelt. Isotope data were used to estimate the amount of lake water replaced by freshet and to observe how the water source of lakes changed in response to the freshet. A median of 25.2 % of lake water was replaced by freshet, with values ranging widely from 5.2 to 52.8 %. For every metre lake depth increased, the portion of lake water replaced by freshet decreased by an average of 13 %, regardless of the size of the lake’s watershed. Vertical mixing is more restricted in deeper lakes, which reduces the relative thickness of the layer where freshet can mix with lake water, leading to more snowmelt bypass at deeper lakes. We expect a similar relationship between increasing lake depth and greater snowmelt bypass could be present at all ice-covered open-drainage lakes, since the limited vertical mixing conditions that lead to this relationship are present at all ice-covered lakes. The water source of freshet that was mixed into lakes was not exclusively snowmelt, but a combination of snowmelt mixed with rain-sourced water that was released as the soil thawed after snowmelt. As climate warming increases rainfall and shrubification causes earlier snowmelt timing relative to lake ice melt, snowmelt bypass may become more prevalent with the water remaining in thermokarst lakes post-freshet becoming increasingly rainfall sourced. However, if climate change causes lake levels to fall below the outlet level (i.e., lakes become closed drainage) more freshet may be retained by thermokarst lakes as snowmelt bypass will not be able to occur until lakes reach their outlet level.

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)0,001
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 enseignants0,028
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,042
Tête enseignante GPT0,255
Écart entre enseignants0,213 · 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

Citations1
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetClimate change and permafrost→Travaux en français237 207→