MétaCan
Menu
Retour à la cohorte
Enregistrement W4247879594 · doi:10.21203/rs.3.rs-76410/v1

Emerging dominance of summer rainfall in driving High Arctic terrestrial-aquatic connectivity

2020· preprint· en· W4247879594 sur OpenAlexaff
C. R. Beel, Joanne Heslop, John F. Orwin, Michael T. Pope, Amanda Schevers, Jacqueline Hung, Melissa J. Lafrenière, Scott F. Lamoureux

Notice bibliographique

RevueResearch Square (Research Square) · 2020
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensGovernment of AlbertaQueen's UniversityGovernment of Northwest Territories
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceSnowmeltPermafrostBiogeochemical cycleClimate changeArcticWatershedHydrometeorologyTerrestrial ecosystemHydrology (agriculture)Aquatic ecosystemSnowEcosystemEcologyOceanographyPrecipitationGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Climate warming-related hydrological transformations are changing material mobilization, composition, and transport pathways along the terrestrial-aquatic continuum. Here, we integrate decade-long hydrometeorological and biogeochemical data from the High Arctic to show that annual fluvial energy is shifting from a skewed (snowmelt-dominated) to a multi-modal (snowmelt- and rainfall-dominated) distribution. This shift enhanced terrestrial-aquatic connectivity for dissolved and particulate material fluxes, but to overcome the watersheds’ buffering capacity for particulate material rainfall events had to increase by an order of magnitude. Permafrost disturbances (< 3 % of the watersheds’ areal extent) reduced watershed-scale DOC export enough to offset concurrent increased DOC export in undisturbed watersheds but play a weaker role in altering C export than the increased magnitude and frequency of late summer rainfall events. However, the disturbances have primed the landscape for accelerated geomorphic change when future rainfall magnitudes and consequent pluvial responses exceed the current buffering capacity of the terrestrial-aquatic continuum.

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 enseignants0,046
Score d'incertitude au seuil0,092

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,176
Tête enseignante GPT0,402
Écart entre enseignants0,225 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square (Research Square)Même sujetClimate change and permafrostTravaux en français237 207