Notice bibliographique
Résumé
Abstract. Seasonal snow covers Arctic lands 6 to 10 months of the year and is therefore an essential element of the Arctic geosphere and biosphere. Yet, even the most sophisticated snow physics models are not able to simulate fundamental physical properties of Arctic snowpacks such as density, thermal conductivity and specific surface area. The development of improved snow models is in progress, but testing requires detailed driving and validation data for high Arctic herb tundra sites, which are presently not available. We present 6 years of such data for an ice-wedge polygonal site in the Canadian high Arctic, in Qarlikturvik valley on Bylot Island at 73.15∘ N. The site is on herb tundra with no erect vegetation and thick permafrost. Detailed soil properties are provided. Driving data are comprised of air temperature, air relative and specific humidity, wind speed, shortwave and longwave downwelling radiation, atmospheric pressure, and precipitation. Validation data include time series of snow depth, shortwave and longwave upwelling radiation, surface temperature, snow temperature profiles, soil temperature and water content profiles at five depths, snow thermal conductivity at three heights, and soil thermal conductivity at 10 cm depth. Field campaigns in mid-May for 5 of the 6 years of interest provided spatially averaged snow depths and vertical profiles of snow density and specific surface area in the polygon of interest and at other spots in the valley. Data are available at https://doi.org/10.5885/45693CE-02685A5200DD4C38 (Domine et al., 2021). Data files will be updated as more years of data become available.
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 | 0,003 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,028 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,171 | 0,155 |
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 ».